Tourism trends in central region of Portugal

Com um crescimento contínuo ao longo das últimas décadas, o turismo em Portugal tem-se consolidado como uma atividade fundamental para a geração de riqueza e emprego, tendo-se verificado uma diversificação de destinos, onde para além das regiões das cidades historicamente mais conhecidas, ganham popularidade outras menos exploradas na busca de experiências autênticas. Neste contexto, torna-se incontornável realçar a importância da Região Centro, não só rica em património histórico e cultural, mas também com uma envolvente natural propícia para atividades ao ar livre, iniciativas ecológicas e turismo responsável. A região é composta por municípios do litoral e do interior, marcados por várias diversidades, potencialidades, mas também fragilidades nas suas NUTS III.

Objetivos | Pretendeu-se identificar grupos distintos de municípios com padrões semelhantes, tanto em termos de valor como de perfil (correlação) das séries temporais, assim como correlações espaciais de municípios com valores elevados, baixos e anómalos. Além disso, pretendeu-se também avaliar a existência de diferenças entre as NUTS III da região e estudar a estrutura relacional dos indicadores em análise.

Metodologia | Foram utilizados os dados dos indicadores do turismo (capacidade de alojamento (CA), Capacidade de alojamento por 1000 habitantes (CA1000), Dormidas (D), Dormidas por 100 habitantes (D100), Estada média (EM), Hóspedes (H), Proporção de hóspedes não residentes (PHNR), Proveitos de aposento (PA), Proveitos totais (PT), Quartos (Q) e Taxa líquida de ocupação cama (TLOC)) de 2017 e 2022, disponibilizados pelo Instituto Nacional de Estatística, bem como a Carta Administrativa Oficial de Portugal, versão de 2023, da Direção Geral do Território, para delimitação das unidades territoriais da área de estudo, designadamente municípios e NUTS III. A análise estatística realizou-se com recurso ao IBM SPSS 29.0.1 e linguagem R 4.3.2, integrados com aplicação SIG ArcGIS Pro 3.2.

Na análise de Clusters e Outliers utilizou-se o índice de Moran Global (I) (Anselin, 1995) como indicador local de associação espacial dos municípios, conceptualizando como vizinho os municípios cujos limites geométricos partilhem pelo menos um vértice e usou-se o método da distância euclidiana.

Na análise de clusters de séries temporais, quando o parâmetro de estudo foi o valor do indicador, a similaridade das séries foi obtida pela raiz quadrada a soma dos quadrados das diferenças dos respetivos valores anuais. Por sua vez, no estudo do perfil das séries temporais a similaridade mediu-se com base na correlação estatística das séries ao longo dos anos. O número de clusters baseou-se no maior valor da estatística Pseudo-F.

Para avaliar a existência de diferenças dos indicadores entre NUTS III recorreu-se à correlação, à ANOVA e ao teste de Kruskal-Wallis seguidos de testes post-hoc e a estrutura relacional dos indicadores foi avaliada pela Análise Fatorial.

Principais resultados e contributos | Verificou-se grande heterogeneidade na distribuição dos indicadores nas diferentes NUTS III, 50% estabelecimentos de alojamento turístico da Região Centro nos anos em estudo teve uma CA superior ou igual a 256 e um número de dormidas superior ou igual a 20201; um número de quartos superior ou igual a 120,17; uma EM superior ou igual a 1,74 noites; um total de hóspedes superior ou igual a 11944 e uma PHNR de 19,33; PA superiores ou iguais a 662,58 milhares de €, PT superiores ou iguais a 898,67 milhares de € e uma TLOC superior ou igual 22,59 %. Destacam-se Tábua e S. Pedro do Sul com mais de 3 noites de EM, Aveiro e Nazaré com mais de 42% de TLOC e Ourém seguido por Coimbra nos outros indicadores.

Da análise de clusters e outliers, em 2022, importa referir os municípios de: Leiria por registar valores elevados nos indicadores CA, D, H, PA, PT e Q, assim como os municípios vizinhos; Lousã e Sertã por apresentarem, nos mesmos indicadores, valores baixos, tal como os seus municípios vizinhos; Batalha e Pombal por apresentarem, nesses indicadores, valores baixos enquanto os seus municípios vizinhos registam valores altos; Figueira da Foz por assinalar nos indicadores CA1000 e D100 valores elevados, enquanto que os municípios vizinhos registam valores baixos.

Pela análise de clusters de séries temporais verificou-se que para o estudo em termos de valor, os municípios foram agrupados em 2 clusters na análise dos indicadores EM e TLOC, em 9 clusters para PT e D100, 3 clusters para o indicador PHNR e 10 clusters para os restantes indicadores. Relativamente à análise do perfil das séries, os municípios foram agrupados em 2 clusters no indicador Q, em 9 clusters para EM e H, 6 clusters para o indicador TLOC e 10 clusters para os restantes indicadores.

Pela aplicação da análise fatorial, verificou-se a existência de correlações fortes e significativas entre a CA, D, H, Q, PA e PT e estão pouco correlacionadas, quase nula, entre a EM e a PHNR com os outros indicadores. A estrutura relacional dos indicadores é explicada por três fatores latentes que explicam 86 % da variância total (componente 1: CA, D, H, Q, PA e PT; componente 2: EM, PHNR e TLOC; componente 3: CA1000 e D100).

Relativamente às NUTS III da Região Centro, verificam-se diferenças significativas para PHNR entre a Beira Baixa e as outras NUTS III, exceto com Médio Tejo e Beiras e Serra da Estrela e entre Coimbra e Beiras e Serra da Estrela para os indicadores PA e PT.

Limitações | Para além dos constrangimentos de tempo, que impediram o contacto com os promotores dos respetivos alojamentos turísticos, para uma análise de séries temporais mais robusta, era desejável, em todos os indicadores, a existência de dados anuais relativos a um período maior, 10 ou mais anos. Além disso, nos 6 anos de dados analisados nem todos os municípios apresentam dados em cada ano.

Conclusões | Sendo certo que, a transformação da Região Centro num importante destino turístico, passa necessariamente pela definição de estratégias e planos adequados para desenvolver toda a região de forma integrada (Eusébio et al., 2008), torna-se essencial identificar os municípios com maior e menor visibilidade turística. Nesse sentido, verificou-se que as metodologias adotadas, para além da análise dos dados dos indicadores de turismo, constituem uma ferramenta essencial para identificação e mapeamento de pontos quentes, pontos frios e valores espaciais anómalos com aglomeração e significância, assim como permitem identificar os municípios mais similares, potenciando a análise e definição de estratégias de gestão e marketing das potencialidades turísticas da região.

Referências bibliográficas

Anselin, L. (1995). Local Indicators of Spatial Association—LISA. Geographical Analysis, 27(2), 93-115. https://doi.org/https://doi.org/10.1111/j.1538-4632.1995.tb00338.x

Eusébio, C. A., Castro, E. A., Costa, C. (2008). Diversidade no Mercado Turístico da Região Centro de Portugal. Revista Turismo e Desenvolvimento, 10, 10-24. DOI: https://doi.org/10.34624/rtd.v0i10.13555