Métodos de medição da sazonalidade do turismo

A capacidade de quantificar a sazonalidade é pré-requisito para os estudos nesta área. Em geral, os factores da sazonalidade são computados no primeiro momento da análise e comparados com a sua variação ao longo do período. Segundo Lundtorp (2001; 22), a sazonalidade é analisada através de ferramentas que possibilitam a sua mensuração. De acordo com este autor há diversas razões pelas quais se deve medir a sazonalidade: (i) a sazonalidade tem grande importância económica; (ii) a sazonalidade influencia nos preços, com alto preço na época alta e descontos na época baixa; (iii) para analisar as possibilidades e os impactes em estender a época alta; (iv) analisar as consequências da sazonalidade; e (v) para verificar a estabilidade ou instabilidade da sazonalidade.

Para tanto, são necessários dados estatísticos para a utilização nos métodos de medição. Estes podem ser divididos em séries temporais (mensal, trimestral, quadrimestral, semestral), conforme o estudo a ser realizado, podendo envolver, habitualmente, os seguintes dados: número total de chegadas, número de chegadas por mercado (país de origem dos visitantes), número de dormidas ou taxa de ocupação, número de chegadas por motivo da viagem, número de dormidas por tipo de alojamento, gastos com o turismo por mercado, duração da estada no destino, entrada nos museus, entre outros e ainda, caso o estudo seja para avaliar um país, o número de chegadas por região.

Os métodos para medir a sazonalidade são ferramentas já utilizadas por pesquisadores como BarOn (1975), Wilton e Wirjanto (1998), Lundtorp (2001), Koenig e Bischoff (2003 e 2005) e Koc e Altinay (2007), entre outros. Nesta secção serão abordados os métodos comentados por estes autores em seus artigos científicos e compilados na tabela 3.1.

O estudo realizado por Koenig e Bischoff (2005; 201-219) menciona alguns dos métodos utilizados na medição da sazonalidade, os quais são: a média mensal; o Seasonal Range, que é a diferença entre os meses da época alta e da época baixa; e o Seasonality Ratio, que é o número total de visitantes na época alta dividido pelo valor da média anual do número de visitantes (total de visitantes dividido por doze meses) onde, se todos os meses tiverem o mesmo número de visitantes o resultado será 1.0 para todos os meses – desta forma, se o resultado aumenta, a sazonalidade aumenta. O inverso do Seasonality Ratio é o Seasonality

Indicator (SI). Há também os métodos utilizados pela Direcção Geral do Turismo de Portugal, apresentados

por Cunha (2001; 88-90) como: Taxa de Sazonalidade (TS), que é o número de entradas/dormidas nos três meses de maior concentração dividido pelo número total de entradas/dormidas do ano e multiplicado por 100; e o Índice de Amplitude Sazonal (IAS), que é a soma das entradas/dormidas nos três meses da época alta dividida pela soma das entradas/dormidas nos três meses da época baixa.

O método por Time Series Decomposition (Y), ou regressão linear das médias móveis centradas, é geralmente usado para previsões, isolando três factores: a procura (V), o factor sazonal (S) e a flutuação ao acaso (acontecimentos não previstos) (I). Este método foi abordado por Koenig e Bischoff (2003; 229-254) e também por outros pesquisadores como BarOn (1975; 23).

Alguns estudos estatísticos através do Coefficient of Variability (CVy), Coefficient of Variation (CV - desvio padrão anual dividido pela média do ano) e Concentration Indices (CI) são usados para comparar a intensidade da sazonalidade entre anos e regiões. A variação da sazonalidade é, em muitos estudos, examinada pelo Seasonal Index (Si), ou seja, é o número de visitantes por mês dividido pela média do número total anual de visitantes por mês. (Koenig & Bischoff, 2005; 214-216).

Wanhill (1980, in Koenig & Bischoff, 2005; 216) admitiu ter vantagens o modelo Gini Coefficient, o qual é um dos mais utilizados na medição da sazonalidade. Este coeficiente é derivado da curva de Lorenz. Esta curva é um gráfico de frequência relativa acumulada que compara a distribuição empírica de uma variável com a distribuição máxima igualitária. Quanto mais próximo for a curva da frequência relativa acumulada da recta que representa a distribuição igualitária (recta com ângulo de 45º), menor será o G, ao passo que, quanto maior for a discrepância entre a curva e a recta, maior será o coeficiente de Gini, e portanto, maior será a sazonalidade.

O intervalo de resultados possíveis para este coeficiente varia de 0 a 1, onde o valor igual a 0 representa o grau máximo de igualdade e só ocorrerá se todas as unidades apresentarem o mesmo valor para a variável. Por outro lado, quando o G for igual a 1, este índice representará o grau máximo de desigualdade e só ocorrerá quando apenas uma unidade for responsável pela totalidade dos recursos, sendo as restantes unidades representadas pelo valor zero. (Lundtorp, 2001; 30-32).

O cálculo deste coeficiente pode ser obtido através da equação

⎟

⎠

⎞

⎜

⎝

⎛

₋

+

=

∑

n

v

vt

i

n

G

2

1

0

2

número da quantidade total dos períodos; vt é o número de visitantes no tempo t; t é o período; v0 é o número total de chegadas no ano; e i é a posição do período (ex. período 1, 2, 3...n). Outra forma de obter o coeficiente Gini é através do cálculo das áreas obtidas com o gráfico da curva de Lorenz, onde o G é a diferença entre a área abaixo da curva de igualdade (área de um triângulo) e a área da curva de Lorenz, dividido pela área total. (Lundtorp, 2001; 30-32). Considera-se no cálculo do G pela área, o começo das rectas no ponto com as coordenadas 0; 0.

Quando comparado os métodos G, SI e CV, na pesquisa realizada por Koenig e Bischoff (2003; 229-254) no Reino Unido, a figura modelada por estes métodos foram praticamente similares. Nesta pesquisa o G não apresentou uma foto completa da sazonalidade por períodos, como por exemplo, não ficou evidente que o turismo de negócios, na Inglaterra, tem o seu pico no Outono e na Primavera.

No entanto, o autor Lundtorp (2001; 32-33), quando comparou os dois métodos G e SI verificou que ambos são influenciados pelo valor do número de visitantes no mês de pico. Os valores de cada um destes métodos possuem resultados opostos, onde o aumento de SI representa o decréscimo de G, ou seja, quando o G for alto o SI será baixo, representando ser sazonal. Contudo, não há diferenças entre a qualidade dos resultados obtidos.

Para examinar a estabilidade da sazonalidade de um período em vários anos utiliza-se as figuras dos gráficos como ferramenta. Segundo Koenig e Bischoff (2003; 229-254), a observação de um mesmo mês nos vários anos pode ser comparado graficamente, como por exemplo, pela percentagem das chegadas de um mesmo mês em vários anos, onde pode-se analisar a concentração de visitantes no período.

Segundo análise dos métodos convencionais para o estudo da sazonalidade, BarOn (1975; 9-11) apontou algumas desvantagens de alguns destes métodos. Para o autor, o método anual não permite verificar os acontecimentos por mês e impossibilita a análise das causas, pois os dados anuais podem apresentar grande flutuação. A Média Móvel e o Time Series Decomposition de doze meses faz a análise de todas as estações, entretanto, se começar em Abril e terminar em Março do ano seguinte poderá adicionar duas vezes a Páscoa. A comparação de cada mês com o mesmo mês nos anos anteriores resulta no índice de crescimento de um ano para o outro, entretanto não fornece informação necessária à análise da sazonalidade, pois o mesmo mês em anos diferentes pode apresentar factores irregulares ou números de finais de semana diferentes.

Os métodos utilizados por BarOn (1975; 12-15) e sugeridos como os mais adequados e eficientes foram:

Time Series Decomposition; programa X-11, desenvolvido por Julius Shiskin; e o estudo pela análise de

analisar no mínimo cinco anos para fornecer um quadro adequado à análise da sazonalidade, especialmente se houveram mudanças no mercado do turismo ou acontecimentos excepcionais.

Quando a sazonalidade é relacionada com a oferta turística, é importante relembrar uma das características dos serviços, onde não há possibilidade de armazenagem, ou seja, o quarto que não foi vendido numa noite gera prejuízo para o empreendimento. A quantidade de quartos necessários para atender os clientes na época alta é maior do que na época baixa. BarOn (1975; 43) demonstra o cálculo do factor de Máxima Utilização

Anual (MUS) onde a percentagem da utilização máxima – 100 – é dividida pelo factor sazonal (Si) do mês

de pico, sendo o resultado o número de quartos que serão utilizados no restante do ano. Contudo, não é comum ter a ocupação de 100% num alojamento, por isso o MUS, geralmente, deverá ser menor do que o calculado.

O método do Seasonality Indicator (SI) é geralmente utilizado pela indústria do turismo com a mesma finalidade do MUS, para medir a taxa de ocupação média por mês. Ambos, MUS e SI, podem ser interpretados como a capacidade relativa usada na comparação do mês de pico. O SI é a divisão da média da ocupação por mês pela capacidade total do alojamento no mês, indicando a dimensão da ocupação por ano. Por exemplo, se o resultado for SI = 0.5 significa que o alojamento é ocupado apenas a metade do ano, ou seja, seis meses. (Lundtorp, 2001; 32-33).

No relatório desenvolvido por Wilton e Wirjanto (1998; 9), o método utilizado para medir a sazonalidade nos anos de 1986 a 1997 foi através da soma do desvio absoluto sazonal (SAD – seasonal absolute deviations), através do uso do programa X-11 para o cálculo do factor sazonal. O índice SAD foi utilizado para comparar a magnitude da sazonalidade em diferentes serviços do turismo e em diferentes sectores.

Os autores Koc e Altinay (2007; 231) comentaram, em seu estudo de caso, sobre os seguintes métodos: da regressão linear; X-12-ARIMA (versão actualizada do X-11 comentado por BarOn, ARIMA –

autoregressive integrated moving average), que é o método mais popular no cálculo de séries; e Time Series Regression com ARIMA Noise, Missing Observations e Outliers/Signal Extraction em ARIMA Time Series

(TRAMO/SEATS), usado pelo US Census Bureau, Eurostat e bancos centrais de dados.

Os dados estatísticos permitem a avaliação da sazonalidade por diferentes ângulos. A comparação gráfica dos dados ou a verificação da correlação entre estes também são formas de medição da sazonalidade. O estudo desenvolvido por Jang et al. (2005; 335-346) demonstrou a relação do factor gasto em função das variáveis receita, actividade e estações do ano. Segundo estes autores, a relação da receita com os gastos já foi relatada em diversos estudos, diferente da relação gastos e actividades turísticas e gastos e estações do ano. Neste estudo ficou comprovado que as estações do ano influenciam no tipo de actividade a ser desenvolvida e estas exigem mais ou menos gastos. Um dos resultados desta pesquisa com os visitantes franceses nos países norte-americanos (EUA e Canadá) demonstrou que as actividades de natureza, de praia e outdoor exigem mais gastos financeiros do que as outras.

Independente do método utilizado para medir a sazonalidade ou da forma como a sazonalidade será demonstrada, o tipo de dado utilizado deve ser considerado como o mais adequado para que os resultados sejam claros, permitindo o desenvolvimento de estratégias eficientes na gestão da sazonalidade.

Para sintetizar este capítulo, a tabela de Koenig e Bischoff (2003; 248) foi adaptada para apresentar os métodos numéricos relatados nesta secção. Esta tabela (tabela 3.1) foi formulada através da análise dos métodos utilizados pelos investigadores para evidenciar o que o método mede, qual a equação, a aplicação e a restrição de cada um. Os métodos de Taxa de Sazonalidade, Seasonal Index e coeficiente de Gini serão utilizados na Parte II deste trabalho, a fim de demonstrar sua utilização na análise da sazonalidade do turismo.