ELABORAÇÃO DE UM ÍNDICE DE COMPETITIVIDADE TURÍSTICA MUNICIPAL: COMPILAÇÃO DE DADOS, MÉTODOS DE ESTIMAÇÃO E VALIDAÇÃO

Developing a municipal tourism competitiveness index: data compilation, estima tion methods, and validation

Elaboración de un índice de competitividad turística municipal: recopilación de datos, métodos de estimación y validación

Resumo:

Os índices de competitividade turística têm sido amplamente debatidos nos contextos da gestão de destinos e da pesquisa acadêmica. Contudo, a discussão metodológica sobre a construção e a validação desses índi ces apresenta uma série de lacunas. Buscando contribuir nesse campo, o presente artigo descreve os métodos de compilação de dados, esti mação e validação do Índice de Competitividade Paulista de Turismo (ICPT). O ICPT amplia a profundidade e o rigor no cômputo de uma série de aspectos dos índices de competitividade. Procedimentos tradicionais e inovadores de compilação de dados são empregados. Diversas teorias e técnicas são conjuntamente empregadas na composição do ICPT. A validade do índice é testada por meio de um modelo de equações estruturais do tipo MIMIC, estimado por mínimos quadrados parciais consistentes. Os resultados do modelo estimado sugerem a validade do índice. As informações apresentadas neste artigo podem servir de base para o desenvolvimento de outros índices de competitividade.

Palavras-chave:
competividade turística; gestão de destinos turísticos; atratividade turística; serviços turísticos; demanda turística; performance

Abstract:

Tourism competitiveness indices have been widely debated in destination management organizations and academia. However, the methodological discussion on the construction and validation of these indices presents a series of gaps. We aim to contribute to this area by describing the meth ods for gathering data, estimating, and validating the São Paulo Tourism Competitiveness Index (ICPT). The ICPT extends the depth and rigor in computing a series of aspects of competitiveness indices. Traditional and innovative data compilation procedures are employed. Several theories and techniques are jointly employed in the composition of the ICPT. The validity of the index is tested using a MIMIC structural equation model estimated by consistent partial least squares. The results of the estimated model suggest the validity of the index. The information available in this article can be useful for developing other competitiveness indices.

Keywords:
tourist competitiveness; tourist destination management; tourist attractiveness; tourist services; tourist demand; performance

Resumen:

Los índices de competitividad turística han sido ampliamente debatidos en el contexto de la gestión de destinos y la investigación académica. Sin embargo, la discusión metodológica sobre la construcción y validación de estos índices presenta una serie de faltas. Buscando contribuir en este campo, este artículo describe los métodos de recopilación, estimación y validación de datos del Índice de Competitividad Turística de São Paulo (ICPT). El ICPT amplía la profundidad y rigor en el cómputo de una serie de aspectos de los índices de competitividad. Se emplean procedimien tos de recopilación de datos tradicionales e innovadores. Varias teorías y técnicas se emplean conjuntamente en la composición del ICPT. La validez del índice se prueba mediante un modelo de ecuaciones estructurales tipo MIMIC, estimado por mínimos cuadrados parciales consistentes. Los resultados del modelo estimado sugieren la validez del índice. La información presentada en este artículo puede servir como base para el desarrollo de otros índices de competitividad.

Palabras clave:
competitividad turística; gestión de destinos turísticos; atractivo turístico; servicios turísticos; demanda turística; desempeño

INTRODUÇÃO

Ao longo dos anos, os viajantes têm visitado países utilizando várias instituiçA compet itividade de destinos turísticos é um tema de relevância que tem despertado interesse na comunidade acadêmica (Abreu-Novais et al., 2016; Aguiar-Barbosa et al., 2020), sendo amplamente pesquisado desde os anos 1990 (Crouch & Ritchie, 1999; Poon, 1993; Tsai & Wang, 1998). No início de 2022, a Web of Science apontava a existência de mais de 500 artigos sobre o tema em periódicos científicos. Além da discussão no âmbito acadêmico e científico, a questão também conquistou atenção nas esferas da gestão e do debate público. Grande parte das discussões nessas áreas está associada aos índices de com petitividade elaborados por entidades governamentais e internacionais. O Índice de Competitividade de Viagens e Turismo (TTCI) do Fórum Econômico Mundial (World Eco nomic Forum [WEF], 2019a) tem tido expressiva repercussão na mídia e na sociedade em geral. No Brasil, o Índice de Competitividade do Turismo Nacional (ICTN), elaborado pela Fundação Getúlio Vargas para o Ministério do Turismo (Fundação Getúlio Vargas [FGV], 2015), também recebeu atenção e influenciou uma série de debates e decisões.

Contudo, os principais índices de competitividade disponíveis, o TTCI e o ICTN, apre sentam importantes limitações metodológicas. Além disso, esses índices também possuem algumas características que dificultam suas replicações para índices de competitividade de inúmeros municípios ou destinos turísticos de pequena escala geográfica. Em primeiro lugar, destacam-se as limitações referentes aos dados utilizados. Ambos os índices empre gam dados de avaliações subjetivas para analisar determinados aspectos da competitiv idade acerca dos quais não existem dados objetivos disponíveis. O TTCI utiliza dados da Executive Opinion Survey, pesquisa realizada por meio de questionários que compõem o Índice Global de Competitividade do WEF (World Economic Forum, 2019b). Os executivos entrevistados avaliam subjetivamente 78 aspectos em uma escala de 1 a 7. O WEF divulga o conteúdo exato dos 78 itens avaliados, bem como a média das respostas dos executivos pesquisados. Já o ICTN utiliza dados de avaliações realizadas por pesquisadores da FGV em visitas aos destinos avaliados, sendo estes acompanhados por representantes do poder público (Fundação Getúlio Vargas, 2015). O instrumento específico de coleta de dados utilizado não é divulgado juntamente com o relatório e parece não estar disponível pub licamente em qualquer outro lugar. Para cada município, não são divulgados os valores específicos atribuídos a cada aspecto, mas apenas a avaliação agregada por dimensão. Logo, o ICTN deixa uma lacuna de informações metodológicas e de dados. Ademais, em ambos os índices, parte dos dados primários está intrinsecamente sujeita à subjetividade, embora o grande número amostral do TTCI reduza substancialmente essa limitação.

Outro aspecto relevante acerca dos dados é a inviabilidade de reprodução para um índice que mensure a competitividade de grande número de municípios. No caso do TTCI, tal inviabilidade se dá pela diferença na escala geográfica de análise. Grande parte dos indicadores adotados pelo TTCI, que avalia países, não pode ser calculada ou não está disponível no nível municipal. Os indicadores adotados pelo ICTN também não podem ser facilmente adotados por um índice estimado para muitos municípios, em razão dos altos custos da pesquisa de campo. O ICTN avaliou apenas 65 destinos, mas o número de municípios com algum potencial turístico é bem maior.

Em segundo lugar, é importante destacar as limitações dos índices TTCI e ICTN relati vas aos métodos de agregação dos indicadores para a composição dos índices finais. É evidente que o peso de cada indicador no cômputo do índice final não pode ser homogêneo, pois alguns aspectos são mais relevantes que outros para a competitivi dade turística. O TTCI é calculado por meio da agregação hierárquica de indicadores. A agregação é feita por média simples em cada nível hierárquico. O problema da ponderação dos indicadores é tratado no TTCI por meio da composição da estrutura hierárquica do índice. O índice é estruturado de forma que o número de indicadores de cada componente diminui à medida em que o componente se torna mais dire tamente ligado às viagens e turismo. Dessa forma, pesos maiores são implicitamente atribuídos a componentes mais centrais para a competitividade turística. Contudo, o relatório do TTCI não apresenta o processo de definição da estrutura hierárquica do índice. Logo, o TTCI não esclarece de que forma os pesos implícitos foram definidos. O tratamento dado pelo ICTN para a questão dos pesos é distinto. No ICTN, o índice de competitividade final é calculado como média ponderada dos indicadores, tendo sido os pesos de cada indicador definidos previamente por meio de reuniões entre técnicos da FGV e representantes do poder público. Essa alternativa metodológica, aparente mente, tem maior poder de reprodução da estrutura de pesos que efetivamente define a competitividade turística. Por outro lado, seu resultado concreto está sujeito a vieses e distorções típicas da avaliação subjetiva realizada por grupos de indivíduos, sobretudo quando estes têm ou representam interesses distintos (Einhorn et al., 1977; Stangor, 2015).

As limitações dos índices TTCI e ICTN, resultantes das questões de subjetividade de parte dos dados e das estruturas de ponderação dos indicadores, poderiam ser significativamente amenizadas por estudos de validação dos procedimentos adotados ou dos resultados alca nçados. Embora os resultados do TTCI tenham sido analisados algumas vezes neste sentido (Martín et al., 2015; Mazanec & Ring, 2011; Rodríguez-Díaz & Pulido-Fernández, 2020), faltam estudos de validação dos procedimentos e da estrutura do índice. Já o ICTN foi discutido ape nas no âmbito conceitual e gerencial (Domareski-Ruiz et al., 2015; Sette & Tomazzoni, 2017).

Buscando contribuir para o preenchimento desta lacuna, o presente artigo descreve os procedimentos de coleta de dados, apresenta os métodos de estimação e testa a validade dos resultados do Índice de Competitividade Paulista de Turismo (ICPT), projeto desenvolvido no âmbito do Programa USP Municípios. O objetivo do ICPT é oferecer informações para a análise da atividade no Estado de São Paulo, mensurando o conjunto de fatores que favore cem o desenvolvimento sustentável do setor nos 645 municípios do Estado de São Paulo.

Combinando as perspectivas acadêmica e política, o ICPT amplia a profundi dade e o rigor no cômputo de uma série de aspectos dos índices de competitivi dade. Diversas teorias e técnicas são conjuntamente empregadas na composição do ICPT. Ademais, reconhecendo a natureza intrinsecamente multidimensional da competitividade turística, e diferenciando-se os índices anteriores, o ICPT não se constitui em um único valor para cada destino, descrevendo a competitividade por meio de oito variáveis pertinentes a cinco segmentos de mercado distintos.

Ao apresentar os métodos e procedimentos empregados no desenvolvimento do ICPT, este artigo contribui no sentido de aprofundar o debate metodológico sobre a construção de índices de competitividade. O grau de detalhamento dos procedimentos metodológicos é maior do que as descrições disponíveis dos índices anteriores. Contudo, é importante advertir que este trabalho não traz uma apresentação exaustiva de cada detalhe dos procedimentos adotados na construção do ICPT. O objetivo deste artigo, em específico, não é garantir a reprodutibilidade do ICPT, mas sim o oferecimento de uma base metodológica que permita a elaboração de novos índices acerca de out ros conjuntos de destinos. Além disso, uma vez que o ICPT é inovador em uma série de aspectos metodológicos, este trabalho contribui na descrição de técnicas inovado ras para o cômputo de índices de competitividade. Por fim, este artigo apresenta os resultados de um teste de validação do ICPT. A análise foi realizada por meio de um modelo de equações estruturais de múltiplas causas e múltiplos indicadores (MIMIC), examinando a relação entre causas e consequências da competitividade turística.

REVISÃO DA LITERATURA

Conceito

O conceito de competitividade turística, ou competitividade de destinos turísticos, deriva essencialmente das noções de competitividade oriundas da obra de Michael Porter (Cronjé & du Plessis, 2020). Contudo, é importante destacar que Porter discute competitividade em dois âmbitos distintos: empresas (Porter, 1980, 1998) e países (Porter, 1990). Embora as duas noções tratem de competitividade, seus sentidos são bastante distintos, como discutido em detalhe por Krugman (1994). Qual dessas duas noções seria aplicável aos destinos turísticos é uma questão em aberto. De um lado, o destino turístico é o contexto em que estão inseri das empresas, o que se aproxima da noção de competitividade de países. Por outro lado, o produto turístico é muito mais do que uma cesta de serviços fornecidos por empresas. O destino turístico inclui não apenas os serviços comerciais, mas também uma vasta série de outros elementos, como espaços e serviços públicos, paisagem, cultura e população residente. Nesse sentido, a noção de competitividade turística se aproxima da noção por teriana da competitividade de empresas, já que os destinos turísticos concorrem entre si.

A literatura contém uma vasta gama de conceitos e definições de competitividade turística (Croes & Kubickova, 2016). Aguiar-Barbosa et al. (2020) identificaram e analisaram 130 definições publicadas entre 1998 e 2018. A profusão de perspectivas, nem sempre congruentes, torna o conceito difuso e vago (Abreu Novais et al., 2018; Cracolici et al., 2008; Hanafiah et al., 2015). Um dos problemas conceituais frequentes é a indiferenciação do conceito quando definido a partir de suas causas ou de suas consequências (Mazanec et al., 2007; Mazanec & Ring, 2011; Sette et al., 2017). Definições baseadas nas causas da competitividade fazem referência aos elementos que tornam os destinos competitivos, geralmente mencionando aspectos como localização, atrativos turísticos, serviços, gestão e condições gerais (Dwyer & Kim, 2003; Ritchie & Crouch, 2003). A variedade de elementos que constituem esse conjunto também é uma importante fonte de divergências entre dis tintas definições de competitividade baseadas nas causas. Um exemplo de definição base ada em causas é aquela adotada pelo TTCI, em que a competitividade turística é descrita como “[...] o conjunto de fatores e políticas que permitem o desenvolvimento sustentável do setor de viagens e turismo” (World Economic Forum, 2019a, p. vii, tradução dos autores).

As definições baseadas nas consequências da competitividade fazem referência à performance do destino, tanto para os turistas, quanto para os residentes, usualmente estando relacionadas a indicadores como número de chegadas, receita turística, satis fação dos turistas ou bem-estar dos residentes. Um exemplo de definição desse conjunto é aquela estabelecida no livro germinal de Ritchie e Crouch (2003, p. 2, tradução dos autores), estabelecendo que competitividade de destinos turísticos é a “[...] habilidade para aumentar o gasto turístico, para atrair cada vez mais visitantes e oferecer a eles experiências positivas e memoráveis, e fazer isso de forma lucrativa, ampliando o bem-es tar dos residentes e preservando o capital natural do destino para as gerações futuras”.

Métodos de estimação e validação

Os estudos que mensuram a competitividade de destinos turísticos se diferen ciam quanto ao tipo de dados e aos métodos de cálculo e validação (Abreu- Novais et al., 2016). Em relação ao tipo de dados, pode-se diferenciar o uso de infor mações objetivas e subjetivas. Um exemplo de informação objetiva é a contagem dos bens tombados existentes no destino. Contudo, as informações objetivas são lim itadas, especialmente em razão da natureza qualitativa, multidimensional, abstrata e subjetiva de muitos determinantes da competitividade turística (Crouch, 2011).

A utilização excessiva de variáveis objetivas no Índice de Competitividade Nacional de Turismo do Ministério do Turismo foi inclusive alvo de críticas (Sette & Tomazzoni, 2017). Con sequentemente, o uso de pesquisas por entrevista tem crescido no contexto dos estudos de competitividade turística (Abreu-Novais et al., 2016). É interessante notar que esse tipo de dado é utilizado até mesmo na estimação de índices de competitividade gerais desen volvidos por organizações internacionais, como é o caso do índice de competitividade dos países (não de turismo) do WEF (Schwab & Zahidi, 2020). Além disso, diversos trabalhos combinam dados dos dois tipos, como é o caso do TTCI (World Economic Forum, 2019a).

Quanto aos métodos de cálculo e validação, os índices de competitividade desenvolvidos por entidades e órgãos públicos geralmente utilizam a agregação pelo côm puto da média dos indicadores (Fundação Getúlio Vargas, 2015; World Economic Forum, 2019a). Essa abordagem pode ser chamada de agregação estrutural, já que pondera os dados de acordo com a estrutura do índice definida a priori. Supondo que a competitivi dade corresponde à variabilidade compartilhada entre os indicadores, estudos utilizaram técnicas de análise de componentes principais para compor índices de competitividade (Cracolici & Nijkamp, 2009; Porto et al., 2019). Os pesos para a ponderação dos diferentes indicadores também têm sido frequentemente determinados a partir de pesquisas por entrevistas, seguindo a técnica conhecida como análise de importância-desempenho (Caber et al., 2012; Dwyer et al., 2016; Rašovská et al., 2021). Por fim, combinando dados sobre causas e consequências, outros trabalhos desenvolveram e validaram estimativas da competitividade turística por meio de análise qualitativa comparativa (Vieira et al., 2019), análise envoltória de dados (Teixeira & Gosling, 2018), e, sobretudo, de sistemas de equações estruturais (Alves & Nogueira, 2015; Mazanec et al., 2007; Mazanec & Ring, 2011).

MÉTODOS DO ICPT

O ICPT se propõe a examinar a competitividade de destinos turísticos a partir de seus determinantes, adotando a perspectiva das causas da competitividade. Assume-se que a competitividade dos destinos turísticos é efetivamente multidi mensional. Sendo assim, os pilares da competitividade não são agregados em um índice sintético ao final do processo de estimação. Os dados utilizados são essencial mente objetivos, tais como contagens de elementos observáveis. Contudo, deve-se destacar que o ICPT inclui também algumas informações subjetivas mensuradas em grandes amostras, como as avaliações médias de atrativos e serviços turísticos reg istradas em diferentes sites. Quanto ao método de cálculo, o cômputo dos pilares do ICPT utiliza a abordagem de agregação estrutural ou hierárquica. Cabe desta car que a agregação de indicadores ocorre apenas no âmbito de cada pilar do índice, já que os pilares não são agregados para a composição de um índice único.

O índice é formado por quatro pilares centrais da competitividade de destinos turísticos: localização, atrativos turísticos, serviços turísticos e condições gerais (Fig ura 1). A definição desses pilares foi baseada na revisão crítica da literatura e dos índices anteriores. O número de pilares foi inspirado na estrutura do TTCI. Entretanto, a definição dos pilares é distinta. A localização do destino foi descrita como algo diferente do destino em si com base em modelos clássicos de turismo, como o de Leiper (1979), bem como na ampla literatura de geografia do turismo. O destino em si foi dividido em três aspectos, sendo que dois deles (atrativos e serviços) se referem aos dois conjuntos da oferta turística segundo o Sistur de Mario Beni (Beni, 2019). O terceiro aspecto do destino, chamado de condições gerais, reúne todos os elementos inespecíficos do turismo, agrupando em um único pilar todos os aspec tos que no TTCI compõem os pilares de ambiente, políticas e condições de apoio.

O pilar atrativos turísticos é diferenciado por segmentos de mercado. Os dados disponíveis permitiram diferenciar cinco segmentos: sol e praia, tur ismo cultural, ecoturismo e aventura, turismo rural, turismo de negócios.

Figura 1
Estrutura geral do ICPT

Para cada pilar e dimensão, foi reunido um grande conjunto de informações e indicadores. Ao todo, foram levantadas e analisadas mais de 1200 variáveis. O con teúdo das variáveis foi avaliado de forma crítica por uma equipe de professores e dis centes de pós-graduação, sendo eliminadas as variáveis com inconsistência, baixo grau de discriminação, perfeitamente redundantes e com valores faltantes. Ao final, foram selecionadas 200 variáveis para compor o índice. A lista completa de variáveis utilizadas consta no apêndice deste artigo. O levantamento de dados incluiu:

1. Dados secundários: pesquisa de informações em órgãos públicos, fundações e publicações.

2. Microdados secundários: bancos de microdados públicos.

3. Geoprocessamento: produção de informações a partir da análise de mapas e imagens de satélite.

4. Dados online: coleta de dados nas principais plataformas online de informações turísticas e intermediação de serviços de viagens.

Localização

O cálculo do indicador do pilar localização seguiu um processo relativamente com plexo fundamentado no conceito de acesso ao mercado (Mckercher, 1998; McKercher et al., 2008). A proposta parte da premissa de que quanto menor o custo, o tempo e a dificuldade de acesso, maior é a probabilidade de que o destino seja escolhido pelo consumidor. Assim sendo, assume-se que a probabilidade de que um determinado con sumidor escolha um destino em particular é uma função da distância entre o município de residência e o destino. Os parâmetros dessa função foram estimados a partir dos microdados da pesquisa de caracterização do turismo doméstico no Brasil realizada pela FIPE (2012). O levantamento de dados da FIPE foi realizado junto aos domicílios de todo o país, assegurando a coleta de dados representativos de todo o fluxo turístico doméstico do Brasil. As distâncias das viagens observadas nesta pesquisa foram cal culadas em linha reta entre os municípios de origem e destino. Os histogramas da dis tribuição da distância viajada e do logaritmo desse valor são apresentados na Figura 2.

Figura 2
Distribuição das viagens domésticas segundo a distância entre origem e destino

A Figura 2 sugere fortemente que a distribuição das viagens domésticas, segundo o logaritmo da distância, segue uma curva normal. A cauda direita da distribuição é facilmente explicada pelo efeito da distância sobre o custo financeiro e temporal das viagens. Destinos mais distantes tendem a atrair menos turistas, em razão do maior custo de deslocamento. Por outro lado, a cauda esquerda da distribuição tem uma explicação menos conhecida. Ocorre que destinos excessivamente próximos do local de residência não são frequentemente visitados no contexto de viagens turísticas. Isso ocorre porque destinos muito próximos podem ser visitados sem a realização de pernoite fora do local de residência, isto é, podem ser visitados em excursões ou viagens de um dia. Logo, as viagens turísticas são relativamente raras para destinos muito próximos. A média do log aritmo da distância das viagens observadas é 5,6, o que equivale a 269 Km. Partindo-se dessa distribuição, a probabilidade de que um viajante selecione determinado destino é:

$p_o\left(d\right)=\frac{\varphi \left(\frac{D_{od}-\stackrel{-}{D}}{{\sigma }_D}\right)}{D_{od}}$

(1)

Onde p é a probabilidade, D é a distância, φ é a função de densidade Normal, $\stackrel{-}{D}$ é a distância média das viagens domésticas, σ é o desvio-padrão da distância das viagens domésticas, o denota a origem e d identifica o destino. A função de den sidade equivale à probabilidade de que um dos destinos localizados à distância D seja escolhido. Esse valor é representado pelo numerador da razão da equação (1).

A probabilidade de que um destino específico seja escolhido entre todos os que se localizam à mesma distância resulta da razão entre o numerador de (1) e o número de destinos localizados à mesma distância. Em um espaço ideal, a quan tidade de destinos acessíveis à determinada distância é diretamente proporcional à própria distância. Logo, a probabilidade é dada pela razão entre a função de den sidade e a distância, o que justifica o denominador D de (1). Note-se que esse denom inador tem seu significado associado à concorrência entre destinos, de forma que concorrências maiores resultam em menor probabilidade de seleção do destino.

Para estimar o potencial locacional do destino, a probabilidade de seleção dada pela distância na equação (1) é multiplicada pelo potencial de consumo turístico do mercado emissor. Esse potencial foi estimado a partir dos microdados da Pesquisa de Orçamentos Familiares (POF) do Instituto Brasileiro de Geografia e Estatística [IBGE] (2021) e de informações da pesquisa de turismo doméstico da FIPE (2012). Dos microdados da POF, estimou-se a propensão a viajar das famílias brasileiras por faixa de renda, conforme ilustrado na Figura 3. Esses valores foram estimados, especifica mente, para zonas do país definidas de modo a diferenciar com maior grau de detalhe os estados mais próximos a São Paulo. Sendo assim, foram definidas cinco zonas a serem analisadas separadamente: (1) Estado de São Paulo, (2) outros estados da região Sudeste, (3) região Sul, (4) região Centro-Oeste e (5) regiões Norte e Nordeste.

Figura 3
Propensão a viajar das famílias brasileiras por faixa de renda

A quantidade de domicílios em cada faixa de renda de cada município brasile iro foi obtida a partir de dados do Censo Demográfico do IBGE (2010). Cabe destacar que a relativa desatualização desses dados é pouco relevante para os objetivos do ICPT, já que apenas as dimensões relativas são consideradas. Logo, os dados do Censo 2010 implicam imprecisões apenas na medida em que o tamanho das populações de diferentes regiões tenha crescido em ritmos distintos, ao longo dos 11 anos que sepa ram o levantamento de dados da elaboração do ICPT. O somatório das multiplicações das propensões a viajar pelas quantidades de domicílios por faixa de renda resultou na estimativa do total de domicílios consumidores de turismo em cada município do país.

$C_{oz}=\sum _r{t}_{rz}{f}_{roz}$

(2)

Onde C é o potencial de consumo turístico do município, t é a propensão a viajar dos domicílios, f é o número de domicílios, r é a faixa de renda, o é o município e z é a zona geográfica. Note-se que o valor de t varia não apenas de acordo com a faixa de renda, mas também conforme a zona do país. A multiplicação do potencial de consumo turístico do município pela probabilidade de que um determinado destino a dada distância seja escolhido [(1) X (2)] resulta no potencial locacional do destino em relação ao município. Por fim, a soma dos potenciais locacionais em relação a todos os municípios do país equivale ao potencial locacional do destino [equação (3)].

A Figura 4 ilustra o potencial locacional dos municípios do Estado de São Paulo em uma escala linearmente padronizada para o intervalo entre 0 e 1. É interessante notar que a cap ital do estado não apresenta um potencial locacional alto por estar relativamente afastada de grandes mercados consumidores, ao passo que os municípios vizinhos estão bastante próximos do maior mercado consumidor de turismo do país, a própria cidade de São Paulo.

$L_d=\sum _z\sum _o{C}_{oz}.p\left(d\right)$

(3)

Figura 4
Potencial locacional por município

Atrativos turísticos

Para avaliar os cinco segmentos do pilar atrativos turísticos foram utilizadas 69 variáveis. A análise dos atrativos culturais incluiu dados de 45 variáveis. Foram consideradas as quantidades de diferentes elementos culturais, tais como museus, centros culturais, cen tros de artesanato, galerias de arte, teatros, bens tombados e outros. Alguns desses aspectos foram avaliados a partir de dados de mais de uma fonte. A quantidade de museus, por exemplo, foi obtida de três fontes distintas. A quantidade de bens tombados foi considerada por categoria. Ao todo, foram consideradas 28 categorias, seguindo as classificações do Instituto do Patrimônio Histórico e Artístico Nacional (IPHAN) e do Con selho de Defesa do Patrimônio Histórico, Arqueológico, Artístico e Turístico do Estado de São Paulo (CONDEPHAAT). Além disso, foram calculados dois índices de bens tombados negativamente ponderados pela década em que o tombamento ocorreu. Tais índices partem da premissa de que os bens mais relevantes tendem a ter sido tombados primeiro em razão da ordem de prioridades das entidades responsáveis por esse tipo de ação.

Foram também calculados índices de qualidade dos atrativos turísticos a partir de dados de avaliações online registradas em sites comerciais de acesso público. Tais índi ces são formados pela soma de avaliações recebidas pelos atrativos do município. Para cada avaliação foi atribuído um peso correspondente ao conceito atribuído pelo aval iador ao atrativo. Dessa forma, quanto maior o número e mais positivas as avaliações recebidas por determinado atrativo, mais elevado é o índice de qualidade computado.

Os atrativos naturais foram avaliados a partir de oito variáveis, incluindo a área total e a área proporcional do município com cobertura vegetal nativa, bem como a presença de unidades de conservação federais e estaduais de uso turístico (parque, monumento natural e floresta) e de uso não turístico. Também foram calculados índi ces de qualidade dos atrativos naturais e de aventura a partir de avaliações online, nos mesmos moldes dos índices de qualidade calculados para os atrativos culturais.

O índice de qualidade baseado em avaliações online foi a única fonte de dados disponível para todos os municípios do estado acerca dos atrativos de turismo rural. Sendo assim, os atra tivos desse segmento foram avaliados por um único indicador. Embora o cálculo baseado em um único indicador, usualmente, seja criticável, optou-se por manter a dimensão de atrativos de turismo rural no ICPT, em razão de sua grande importância para muitos municípios do estado.

Os atrativos de sol e praia foram avaliados por nove variáveis que descrevem a presença de praias de água salgada e doce, a extensão total das praias do município, o número de praias cuja balneabilidade é regularmente mensurada pela Companhia Ambiental do Estado de São Paulo (CETESB) e a quantidade de praias segundo o nível de balneabilidade. A extensão total das praias foi mensurada por técnicas de geoprocessamento. O número de praias com níveis mais elevados de balneabilidade recebeu maior peso no cômputo do índice do que o número de praias com níveis mais baixos. Avaliações online também foram utilizadas para compor índices de qualidade dos atrativos de turismo de sol e praia.

Os atrativos do turismo de negócios foram avaliados por seis variáveis refer entes ao nível de atividade econômica do município. Esse conjunto incluiu infor mações sobre o PIB municipal, o valor agregado total e o valor agregado de cada setor econômico (agropecuária, indústria, serviços e administração municipal).

Serviços turísticos

O pilar serviços turísticos foi avaliado por 68 variáveis que descrevem a quantidade e a qualidade de diversos serviços, incluindo hospedagem, alimentação, agenciamento turístico, aluguel de automóveis, parques aquáticos e temáticos, eventos e formação de recursos humanos para o turismo. Diferentes fontes de dados sobre a quantidade de serviços foram utilizadas, incluindo o Cadastur, IBGE e RAIS. Também foram desenvolvidas contagens dos meios de hospedagem de cada município em seis websites comerciais. Além disso, as avaliações online disponíveis em três desses sites foram utilizadas para compor índices de qualidade da oferta hoteleira. Um índice de qualidade da oferta de parques aquáticos e temáticos também foi desenvolvido a partir de avaliações online. A oferta municipal de residências secundárias foi quantificada a partir de dados do Censo Demográfico do IBGE. Por fim, a oferta de serviços de formação de recursos humanos para o turismo foi baseada na quantidade de discentes de cursos superiores de turismo, hotelaria e gastronomia, segundo dados do Censo do Ensino Superior do Ministério da Educação.

Condições gerais

O pilar condições gerais foi composto por duas dimensões: qualidade de vida e gestão pública. A dimensão qualidade de vida avaliou diferentes aspectos, incluindo renda, saúde, educação, segurança pública, infraestrutura e meio ambiente. As informações pertinentes a esse pilar foram obtidas, sobretudo, de índices gerais elaborados por difer entes entidades, como o Índice de Desenvolvimento Humano Municipal (IDH-M), o Índice Paulista de Responsabilidade Social (IPRS), o Índice de Vulnerabilidade Social (IVS), o Índice de Oportunidades da Educação Brasileira (IOEB) e o Índice FIRJAN de Desenvolvi mento Municipal (IFDM). Além dos indicadores parciais desses índices relativos a cada dimensão da qualidade de vida, foram também considerados os índices agregados.

Combinação de indicadores

As 200 variáveis tidas como indicadores da competitividade turística foram combi nadas para compor os quatro pilares do ICPT, a partir de uma estrutura hierárquica. O pilar condições gerais, por exemplo, é formado por duas dimensões: quali dade de vida e administração pública. Qualidade de vida, por sua vez, é com posta por seis dimensões. A estrutura geral do ICPT é apresentada na Figura 5.

Figura 5
Estrutura hierárquica detalhada do ICPT

Enquanto a maioria das variáveis consideradas diz respeito aos níveis mais fundamentais dessa estrutura, algumas descrevem dimensões de níveis superiores. Por exemplo, apesar de terem sido consideradas muitas variáveis acerca das diferentes dimensões da qualidade de vida, também foram considerados indicadores diretos que, em suas formas originais, descrevem a qualidade de vida de maneira agregada. A combinação de indicadores referentes a distintos níveis da estrutura hierárquica foi feita por meio de um processo em duas etapas. Na primeira etapa, indicadores indiretos de determinada dimensão foram combinados de modo a estabelecer um indicador composto preliminar. Na segunda etapa, o indicador preliminar elaborado no âmbito do ICPT foi combinado com indica dores diretos obtidos de outras fontes, a fim de estabelecer o indicador final da dimensão. Assim sendo, os indicadores de renda, educação, saúde e outros foram combinados para formar o indicador composto preliminar de qualidade de vida. Esse indicador foi combi nado com índices de qualidade de vida estimados por outras instituições, a fim de compor o indicador final de qualidade de vida do ICPT. Esse procedimento é ilustrado na Figura 6.

Figura 6
Processo de combinação de indicadores diretos e indiretos

Em cada etapa, todas as variáveis foram normalizadas para compatibilizar as escalas de medida de informações de diferentes naturezas. Em seguida, foi computada a média das variáveis normalizadas. O cálculo dos indicadores compostos segue a seguinte expressão:

$I_d=\frac{\sum \frac{x_{id}-{\stackrel{-}{x}}_i}{{\sigma }_{xi}}}{n}$

(4)

onde I é o indicador composto, x é um indicador indireto, x é a média de x entre todos os municípios, i denota o indicador indireto, n é o número total de indicadores indiretos que compõem I, e d é o destino em questão. A fórmula de cômputo é a mesma para a segunda etapa, em que o indicador a ser calculado é o final, sendo que, neste caso, x corresponde, tanto ao indicador composto preliminar, quanto aos demais indicadores diretos.

Ponderação da concorrência espacial

Os valores finais computados para cada município em cada pilar do ICPT foram ponderados em função da concorrência espacial. Esse procedimento buscou valorizar des taques regionais, ao invés de comparar os destinos sem consideração de sua situação geográ fica. A oferta hoteleira do município de Guarulhos, por exemplo, é bastante destacada em relação à média do estado. De acordo com dados do Cadastur, cada município tem, em média, 196 UHs, enquanto Guarulhos tem mais de 2600 UHs. Contudo, o destaque de Guarulhos é atenuado por sua localização, ao lado da cidade de São Paulo, com suas mais de 38 mil UHs.

A estimação do fator de atenuação dos indicadores, em razão da concorrência espa cial, foi feita a partir da distribuição de viagens domésticas, segundo a distância entre origem e destino, conforme os microdados da pesquisa da FIPE (2012). Contudo, diferentemente da lógica utilizada no cálculo do potencial locacional, para esta aplicação não faz sentido considerar o efeito negativo de distâncias curtas. De fato, no caso da concorrência entre destinos, distâncias curtas em relação a destinos com os mesmos atributos reduzem o des taque regional dos destinos. Sendo assim, a quantidade acumulada de viagens turísticas foi estimada como uma função do logaritmo da distância, conforme apresentado na Figura 7.

Figura 7
Quantidade acumulada de viagens turísticas domésticas em função da distância

Na função estimada, ln(D) ≈ 30 Km para que quantidade acumulada de via gens totalize 100% e ln(D) ≈ 1.000 Km para 0% de viagens acumuladas. Sendo assim, o fator de atenuação da concorrência espacial foi estabelecido como:

$A_{dj}=\left\{\begin{array}{ccc}0& \leftarrow & D_{od}>1000\mathrm{}Km\\ \begin{array}{c}\\ \mathrm{1,96}+\mathrm{0,28}.ln\left(D_{dj}\right)\\ \end{array}& \leftarrow & D_{od}<30\mathrm{}Km\\ 1& \leftarrow & D_{od}<30\mathrm{}Km\end{array}\right.$

(5)

onde A é o fator de atenuação espacial e j indica os outros municípios do estado (d≠j). Para cada indicador e município foi computado o valor do mesmo indicador para cada um dos demais 644 municípios do estado, sendo esse valor ponderado pelo parâmetro de atenuação espacial. A média dos valores atenuados dos concorrentes foi comparada com o indicador do município. O indicador ponderado final corresponde à diferença entre o valor do município no indicador final não ponderado e a média dos valores atenuados da concorrência.

${IP}_d=I_d-\frac{\sum I_j{A}_{dj}}{644}$

(6)

onde IP é o índice ponderado. O denominador da equação cor responde ao total de municípios do estado de São Paulo menos 1.

Categorização

Por fim, para fins de apresentação e interpretação, os valores dos índices pondera dos foram agrupados em quatro estratos. Quanto maior o número do estrato, maior é a competitividade turística. Nos pilares de localização, serviços turísticos e condições gerais, os estratos foram definidos por quartis, isto é, cada estrato contém 25% do total de municípios do estado. Já nos segmentos de atrativos turísticos, é fundamental recon hecer a necessidade de diferenciação do destino, em relação a seus concorrentes, para, efetivamente, atrair o turista. Sendo assim, os estratos foram compostos de forma crescente. Apenas 15 destinos foram classificados no estrato mais elevado nos segmen tos de ecoturismo e aventura, turismo cultural e turismo de negócios. No segmento de turismo de sol e praia, o estrato mais elevado foi reservado para apenas seis destinos.

Figura 8
Sistema de agrupamento dos indicadores ponderados finais em 4 estratos

Em suma, os resultados do ICPT correspondem aos estratos de cada um dos 645 municípios do estado de São Paulo, nos quatro pilares do índice. Como o pilar de atrativos turísticos é diferenciado para cada um dos cinco segmentos de mercado considerados, tem-se um total de oito valores para cada município.

APRESENTAÇÃO DOS RESULTADOS

Os resultados do ICPT compuseram um relatório disponibilizado em uma página da web. As estimativas são apresentadas em um painel dinâmico que permite a consulta com difer entes interesses. O painel possui diferentes abas de consulta, dentre as quais se destacam:

• Mapa interativo: permite a consulta para todos municípios e pilares na forma de um mapa coroplético (Figura 9).

• Consulta detalhada por município: painel dinâmico que permite a seleção de um município e apresenta os valores de todos os pilares (Figura 10).

• Painel comparativo de municípios: permite a seleção de dois municípios e apre senta os valores de todos os pilares (Figura 11).

Figura 9
Exemplo de mapa coroplético interativo

Figura 10
Exemplo de consulta detalhada por município

Figura 11
Exemplo do painel comparativo de municípios

VALIDAÇÃO

A extensão com que uma forma particular de mensuração efetivamente mede aquilo que se supõe é chamada de validade (Lewis-Beck et al., 2004). A validade do ICPT como medida multidimensional da competitividade turística de destinos foi testada por meio da estimação de um modelo de equações estruturais. Inspirado dos trabalhos de Mazanec et al. (2007) e Mazanec e Ring (2011), o modelo relaciona causas e consequências da com petitividade por meio desse construto. Assim sendo, os pilares do ICPT foram utilizados como antecedentes da competitividade turística. Logo, a competitividade foi modelada como um construto formativo. Os valores numéricos sem atenuação espacial foram adotados como variáveis explicativas. Os serviços turísticos não foram incluídos no modelo por sua natureza ambígua, já que representam, ao mesmo tempo, causa e efeito da competitividade. Em outras palavras, destinos com boa oferta de serviços tendem a ser competitivos, ao mesmo tempo em que destinos competitivos tendem a atrair investimentos para a oferta de serviços.

Testes preliminares do modelo confirmaram que a inclusão desse pilar resulta em alta multicolinearidade e consequente ausência de significância em todos os outros efeitos. O construto atrativos turísticos também foi especificado como um construto for mativo, sendo definido pelo agregado das avaliações dos atrativos em cada um dos cinco segmentos de mercado analisados. Logo, neste modelo a competitividade turística é um construto formativo de segunda ordem (Edwards, 2001; Jarvis et al., 2003).

Por outro lado, a competitividade turística foi especificada como um construto reflexivo. A dupla natureza da competitividade como construto, ao mesmo tempo, formativo e reflexivo, permite classificar esta especificação como um Modelo de Múltiplas Causas e Múltiplos Indica dores (MIMIC) (Gana & Broc, 2019; Jöreskog & Goldberger, 1975). Quatro indicadores foram con siderados para descrever as consequências da competitividade. As quatro variáveis se referem à demanda turística com diferentes origens e fontes. Da base utilizada para elaborar o Mapa do Turismo Brasileiro 2019 (Ministério do Turismo, 2019) foram obtidas duas variáveis: demanda turística nacional e internacional. A partir dos microdados da Pesquisa Nacional por Amostra de Domicílios Contínua (PNADc) do IBGE (2022) foram estimadas as demandas turísticas intraestad ual e interestadual. Os quatro indicadores foram mensurados pelo logaritmo da estimativa de chegadas em cada município. No caso de municípios com estimativa zero, foi imputado o número de 1 chegada para viabilizar o cálculo do logaritmo. Os parâmetros do modelo foram estimados por mínimos quadrados parciais consistentes (PLSc-SEM) (Dijkstra & Henseler, 2015). A estrutura do modelo e os resultados da estimação são apresentados na Figura 12.

Figura 12
Modelo de equações estruturais de validação do ICPT

O modelo apresentou um bom nível de ajuste, atingindo um R2 de 0,631. O con struto atrativos turísticos apresentou um nível de confiabilidade aceitável para mod elos estimados por PLS: alpha=0,67, AVE=0,50 e rhoA=0,76 (Hair et al., 2019). O construto competitividade turística alcançou níveis bastante consideráveis de confi abilidade: alpha=0,91, AVE=0,71 e rhoA=0,91. Todas as relações estabelecidas no modelo foram estimadas como positivas e significantes ao nível de 1%. Logo, as evi dências corroboram a validade do modelo e da mensuração da competitividade.

CONCLUSÃO

A competitividade turística é uma noção ampla associada à busca pela compreensão do sucesso dos destinos. A mensuração da competitividade é tema de grande interesse para a gestão. Embora existam diferentes índices de competitividade, com destaque para o TTCI e o ICTN, as possibilidades de replicação desses índices são bastante restri tas. A indisponibilidade de dados secundários e os custos para levantamento de dados primários são barreiras importantes. Além disso, esses índices têm limitações metodológi cas associadas à subjetividade de parte dos dados utilizados e, principalmente, à estru tura de ponderação dos indicadores para a composição do índice final. Por fim, os resultados e, sobretudo, os procedimentos desses índices carecem de maior validação.

Este artigo buscou apresentar o processo de elaboração do ICPT, descrevendo em detalhe os procedimentos adotados para a compilação de dados, estimação e validação, de forma a contribuir para o desenvolvimento de índices analíticos de outros contextos geográficos ou temporais. Em especial, o ICPT exemplifica e contribui para o desenvolvi mento de índices de competitividade turística de municípios e outras unidades geográfi cas pequenas, sobretudo se elaborados em uma perspectiva comparativa envolvendo muitos destinos. O ICPT se destaca de outros índices de competitividade por diversas car acterísticas metodológicas. Em suma, o ICPT é um índice multidimensional composto por quatro pilares. O pilar atrativos turísticos assume valores específicos para cinco diferentes segmentos de mercado. Dessa forma, reconhece-se que o turismo é, na verdade, um com pósito de diferentes mercados entre os quais os produtos não são perfeitamente substituíveis.

O índice está baseado em uma vasta gama de informações de fontes secundárias e documentais. O ICPT segue uma estrutura hierárquica definida a priori. Os dados são agrega dos em pilares por meio da média de variáveis padronizadas. Os pilares não são agregados em um único índice final. Assim, a natureza multidimensional da competitividade turística é assumida e devidamente tratada. A ponderação dos diferentes pilares da competitividade para a composição de um índice único requer a estimação de pesos específicos. Ao invés de estabelecer, a priori, os pesos de cada pilar, como feito pelos índices TTCI e ICTN, o ICPT examinou empiricamente a relação entre os pilares da competitividade e a performance dos destinos turísticos. Os resultados obtidos sugerem a validade do ICPT, já que os três pilares se revelaram variáveis explicativas estatisticamente significantes do desempenho dos destinos.

Apesar do esforço realizado, este trabalho apresenta limitações relevantes. A principal lim itação é a escassez de dados. O resultado de qualquer índice de competitividade pode ser, no máximo, tão bom quanto o conjunto de dados analisados. Ainda que o projeto de desenvolvi mento do ICPT tenha dedicado muitos esforços para contornar essa restrição, o resultado ainda é modesto. A coleta de dados online, a reanálise de microdados e o geoprocessamento con tribuíram para ampliar a gama de informações disponíveis para análise. Contudo, deve-se recon hecer que ainda faltam informações sobre inúmeros aspectos relevantes para a competitividade.

Alguns dos dados indisponíveis, mas que seriam fundamentais para uma análise mais completa, são aqueles relativos à imagem dos destinos no mercado consumidor, incluindo percepções das ofertas dos destinos e da concorrência entre eles. Também faltam dados sobre a oferta de atrativos de segmentos e nichos mais restritos do mercado turístico, como turismo de saúde, esportivo, pesca, náutico, etc. Faltam, ainda, dados mais qualitativos para a avaliação dos atrativos turísticos. A mera contagem de atrativos tem uma contribuição limitada para a mensuração da competitividade de destinos. As informações de avaliações online são importantes contribuições para o exame da qualidade dos atrativos. Contudo, seria dese jável que informações mais consistentes e fidedignas sobre esse tema estivessem disponíveis.

Outro conjunto de dados bastante restrito é aquele relativo à demanda turística. Dados dessa natureza poderiam ser utilizados para melhorar a estimativa de diferentes dimensões e pilares. A estimação do pilar localização, por exemplo, poderia ser bastante mais específica e precisa, se houvesse mais informações sobre o comportamento da demanda turística no Brasil. As informações sobre a demanda também poderiam contribuir para a melhoria do teste de validade do índice. Além da demanda, seria importante a disponibilidade de dados sobre outros aspectos da performance dos destinos, como o efeito do turismo sobre a qualidade de vida dos residentes. Também seriam desejáveis dados de desempenho dos destinos em cada segmento do mercado turístico, o que permitiria a validação do índice de forma segmentada.

Por fim, sugere-se que pesquisas futuras busquem avanços em distintas frentes. A estimação de novos índices de competitividade turística se torna desejável sempre que conjuntos signifi cativamente mais amplos de dados estiverem disponíveis. Também é recomendado avançar a discussão sobre os métodos de cálculo das diferentes dimensões. Por fim, sugere-se a busca por melhores alternativas de validação dos resultados. Todas essas sugestões devem ser sempre acompanhadas da transparência metodológica que o presente artigo buscou apresentar.

Referências

• Abreu-Novais, M., Ruhanen, L., & Arcodia, C. (2016). Destination competitiveness: what we know, what we know but shouldn’t and what we don’t know but should. Current Issues in Tourism, 19(6), 492-512. https://doi.org/10.1080/13683500.2015.1091443
• Abreu Novais, M., Ruhanen, L., & Arcodia, C. (2018). Destination competitiveness: A phenomenographic study. Tourism Management, 64, 324-334. https://doi.org/10.1016/j.tourman.2017.08.014
• Aguiar-Barbosa, A. de P., Chim-Miki, A. F., & Kozak, M. (2020). Two decades of evolution in tourism competitiveness: a co-word analysis. International Journal of Tourism Cities, 7(2), 435-462. https://doi.org/10.1108/IJTC-10-2020-0224
• Alves, S., & Nogueira, A. R. R. (2015). Towards a sustainable tourism competitiveness measurement model for municipalities: Brazilian empirical evidence. PASOS. Revista de Turismo y Patrimonio Cultural, 13(6), 1337-1353.
• Beni, M. C. (2019). Análise Estrutural do Turismo Senac.
• Caber, M., Albayrak, T., & Matzler, K. (2012). Classification of the destination attributes in the content of competitiveness (by revised importance-performance analysis). Journal of Vacation Marketing, 18(1), 43-56. https://doi.org/10.1177/1356766711428802
• Cracolici, M. F., & Nijkamp, P. (2009). The attractiveness and competitiveness of tourist destinations: A study of Southern Italian regions. Tourism Management , 30(3), 336-344. https://doi.org/10.1016/j.tourman.2008.07.006
• Cracolici, M. F., Nijkamp, P., & Rietveld, P. (2008). Assessment of tourism competitiveness by analysing destination efficiency. Tourism Economics, 14(2), 325-342. https://doi.org/10.5367/000000008784460427
• Croes, R., & Kubickova, M. (2016). The various faces of competitiveness in tourism: a survey of the extant literature. In P. Modica & M. S. Uysal (Eds.), Sustainable Island Tourism: Competitiveness and Quality of Life (pp. 53-74). CABI.
• Cronjé, D. F., & du Plessis, E. (2020). A review on tourism destination competitiveness. Journal of Hospitality and Tourism Management , 45, 256-265. https://doi.org/10.1016/j.jhtm.2020.06.012
• Crouch, G. I. (2011). Destination competitiveness: An analysis of determinant attributes. Journal of Travel Research, 50(1), 27-45. https://doi.org/10.1177/0047287510362776
• Crouch, G. I., & Ritchie, J. R. B. (1999). Tourism, competitiveness, and societal prosperity. Journal of Business Research, 44(3), 137-152. https://doi.org/10.1016/S0148-2963(97)00196-3
• Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path modeling. MIS Quarterly: Management Information Systems, 39(2), 297-316. https://doi.org/10.25300/MISQ/2015/39.2.02
• Domareski-Ruiz, T. C., Akel, G. M., & Gândara, J. M. G. (2015). Estudos de competitividade turística-comparativo do modelo de Dwyer e Kim e do estudo de competitividade dos 65 destinos indutores do Brasil. Turismo e Sociedade, 8(1), 15-37. http://dx.doi.org/10.5380/tes.v8i1.34299
• Dwyer, L., Dragićević, V., Armenski, T., Mihalič, T., & Knežević Cvelbar, L. (2016). Achieving destination competitiveness: an importance-performance analysis of Serbia. Current Issues in Tourism , 19(13), 1309-1336. https://doi.org/10.1080/13683500.2014.944487
• Dwyer, L., & Kim, C. (2003). Destination competitiveness: determinants and indicators. Current Issues in Tourism , 6(5), 369-414. https://doi.org/10.1080/13683500308667962
• Edwards, J. R. (2001). Multidimensional Constructs in Organizational Behavior Research: An Integrative Analytical Framework. Organizational Research Methods, 4(2), 144-192. https://doi.org/10.1177/109442810142004
• Einhorn, H. J., Hogarth, R. M., & Klempner, E. (1977). Quality of group judgment. Psychological Bulletin, 84(1), 158. https://doi.org/10.1037/0033-2909.84.1.158
• FIPE. (2012). Caracterização e Dimensionamento do Turismo Doméstico no Brasil - 2010/2011 Ministério do Turismo.
• Fundação Getúlio Vargas. (2015). Índice de Competitividade do Turismo Nacional: Relatório Brasil 2015 Ministério do Turismo.
• Gana, K., & Broc, G. (2019). Structural Equation Modeling with lavaan ISTE.
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis Cengage Learning EMEA.
• Hanafiah, M. H., Hemdi, M. A., & Ahmad, I. (2015). Reflections on tourism destination competitiveness (TDC) determinants. Advanced Science Letters, 21(5), 1571-1574. https://doi.org/10.1166/ASL.2015.6104
• Instituto Brasileiro de Geografia e Estatística. (2010). Censo Demográfico 2010: Características da População e dos Domicílios IBGE.
• Instituto Brasileiro de Geografia e Estatística. (2021). Pesquisa de Orçamentos Familiares: Microdados IBGE. https://www.ibge.gov.br/estatisticas/sociais/saude/24786
• Instituto Brasileiro de Geografia e Estatística. (2022). Pesquisa Nacional por Amostra de Domicílios Contínua: Microdados IBGE. https://www.ibge.gov.br/estatisticas/sociais/trabalho/9171-pesquisa-nacional-por-amostra-de-domicilios-continua-mensal.html
• Jarvis, C. B., MacKenzie, S. B., & Podsakoff, P. M. (2003). A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research. Journal of Consumer Research, 30(2), 199-218. https://doi.org/10.1086/376806
• Jöreskog, K. G., & Goldberger, A. S. (1975). Estimation of a Model with Multiple Indicators and Multiple Causes of a Single Latent Variable. Journal of the American Statistical Association, 70(351a), 631-639. https://doi.org/10.1080/01621459.1975.10482485
• Krugman, P. (1994). Competitiveness: A Dangerous Obsession. Foreign Affairs, 73(2), 28-44.
• Leiper, N. (1979). The framework of tourism: towards a definition of tourism, tourist, and the tourist industry. Annals of Tourism Research, 6(4), 390-407. https://doi.org/10.1016/0160-7383(79)90003-3
• Lewis-Beck, M. S., Bryman, A., & Liao, T. F. (2004). The SAGE encyclopedia of social science research methods Sage Publications.
• Martín, J. C., Mendoza, C., & Román, C. (2015). A DEA Travel-Tourism Competitiveness Index. Social Indicators Research 2015 130:3, 130(3), 937-957. https://doi.org/10.1007/S11205-015-1211-3
• Mazanec, J. A., & Ring, A. (2011). Tourism destination competitiveness: Second thoughts on the world economic forum reports. Tourism Economics , 17(4), 725-751. https://doi.org/10.5367/te.2011.0065
• Mazanec, J. A., Wöber, K., & Zins, A. H. (2007). Tourism destination competitiveness: From definition to explanation? Journal of Travel Research , 46(1), 86-95. https://doi.org/10.1177/0047287507302389
• Mckercher, B. (1998). The Effect of Market Access on Destination Choice. Journal of Travel Research , 37(1), 39-47. https://doi.org/10.1177/004728759803700105
• McKercher, B., Chan, A., & Lam, C. (2008). The impact of distance on international tourist movements. Journal of Travel Research , 47(2), 208-224. https://doi.org/10.1177/0047287508321191
• Ministério do Turismo. (2019). Categorização dos municípios Ministério do Turismo. http://www.regionalizacao.turismo.gov.br/images/RELATORIO_CATEGORIZACAO_2019-Portal.xls
• Poon, A. (1993). Tourism, technology and competitive strategies CAB International.
• Porter, M. E. (1980). Industry Structure and Competitive Strategy: Keys to Profitability. Financial Analysts Journal, 36(4), 30-41. https://doi.org/10.2469/faj.v36.n4.30
• Porter, M. E. (1990). The competitive advantage of nations: with a new introduction The Free Press.
• Porter, M. E. (1998). Competitive Advantage: Creating and Sustaining Superior Performance The Free Press.
• Porto, N., Rucci, A. C., Darcy, S., Garbero, N., & Almond, B. (2019). Critical elements in accessible tourism for destination competitiveness and comparison: Principal component analysis from Oceania and South America. Tourism Management , 75, 169-185. https://doi.org/10.1016/j.tourman.2019.04.012
• Rašovská, I., Kubickova, M., & Ryglová, K. (2021). Importance-performance analysis approach to destination management. Tourism Economics , 27(4), 777-794. https://doi.org/10.1177/1354816620903913
• Ritchie, J. R. B., & Crouch, G. I. (2003). The Competitive Destination: a sustainable tourism perspective CABI Publishing.
• Rodríguez-Díaz, B., & Pulido-Fernández, J. I. (2020). Analysis of the Worth of the Weights in a new Travel and Tourism Competitiveness Index. Journal of Travel Research , 60(2), 267-280. https://doi.org/10.1177/0047287519899982
• Schwab, K., & Zahidi, S. (2020). Global competitiveness report: special edition 2020 World Economic Forum.
• Sette, I. R., Santos, G. E. O., & Ricci, R. R. (2017). Modelos de Competitividade de Destinos Turísticos: evolução e críticas. Revista Acadêmica Observatório de Inovação do Turismo, 11(1), 92-115. https://doi.org/10.17648/raoit.v11n1.4517
• Sette, I. R., & Tomazzoni, E. L. (2017). Os desafios, as limitações e as perspectivas do modelo do Índice de Competitividade Turística no contexto da política nacional de turismo brasileira. Turismo - Visão e Ação, 19(2), 292. https://doi.org/10.14210/rtva.v19n2.p292-318
• Stangor, C. (2015). Social groups in action and interaction Routledge.
• Teixeira, I., & Gosling, D. S. (2018). Competitividade de destinos turísticos brasileiros: uma proposta usando data envelopment analysis. Revista Turismo Estudos e Práticas, 7(2), 8-25. https://geplat.com/rtep/index.php/tourism/article/view/164
• Tsai, P. L., & Wang, K. L. (1998). Competitiveness of international tourism in Taiwan: US versus Japanese visitors. Applied Economics, 30(5), 631-641. https://doi.org/10.1080/000368498325624
• Vieira, D. P., Hoffmann, V. E., Dias, C. N., & Carvalho, J. M. (2019). Atributos Determinantes da Competitividade dos Destinos de Sol e Praia Brasileiros. Revista Brasileira de Pesquisa Em Turismo, 13(2), 128-143. https://doi.org/10.7784/rbtur.v13i2.1557
• World Economic Forum. (2019a). The Travel & Tourism Competitiveness Report 2019 World Economic Forum.
• World Economic Forum. (2019b). The Global Competitiveness Report 2019 World Economic Forum.

• 1
  Este artigo foi aceito para apresentado oral no XIX Seminário da Associação Nacional de Pesquisa e Pós-graduação em Turismo - ANPTUR 2022, submetido no sistema Fast Track na revista Turismo: Visão e Ação e avaliado no processo Double-blind Review.

Datas de Publicação

• Publicação nesta coleção
  19 Dez 2022
• Data do Fascículo
  Sep-Dec 2022

Histórico

• Recebido
  15 Mar 2022
• Aceito
  25 Jul 2022