Rendimiento de la investigación del transporte de cargas ferroviaria: un modelo de regresión con datos del panel
DOI:
https://doi.org/10.33448/rsd-v8i11.1435Palabras clave:
Carga ferroviária; Análisis de regresión; Datos del panel.Resumen
El objetivo de este trabajo es investigar los factores que afectan el rendimiento del transporte ferroviario y determinar la magnitud de los efectos resultantes. Se desarrolló un modelo de regresión lineal múltiple con análisis de datos de panel, considerando los efectos fijos a lo largo del tiempo. Los datos recolectados corresponden al período de 2011 a 2018 y provienen de la Agencia Nacional de Transporte Terrestre (ANTT). Las variables explicativas utilizadas son: velocidad, mantenimiento, accidentes y volumen de carga (producción). Después de formular y ejecutar el modelo, los índices obtenidos se probaron para determinar su significación estadística. Tratamos de atenuar los errores heteroscedásticos calculando errores estándar robustos y realizamos una prueba de especificación del modelo. Se encontró que el volumen de carga transportada y la velocidad del tren tenían un impacto estadísticamente significativo en el rendimiento. El modelo desarrollado no presentó pruebas de una especificación deficiente y puede ayudar a planificar las actividades de las empresas observadas.
Citas
Associação Nacional do Transportadores Ferroviários – ANTF (2019). Informações gerais. Retirado em 24 junho, de www.antf.org.br/informacoes-gerais/.
Agência Nacional de Transportes Terrestres – ANTT (2019). Anuário estatístico. Retirado em 29 de junho, de www.antt.gov.br/ferrovias/arquivos/Anuario_Estatistico.html.
Austin, R. D., & Carson, J. L. (2002). An alternative accident prediction model for highway-rail interfaces. Accident Analysis & Prevention, 34(1), 31-42.
Azambuja, A. M. V. (1995). Estimação de modelos comportamentais utilizando a técnica de preferência declarada: o caso de variabilidade dos tempos de viagem no transporte de grãos no Rio Grande do Sul. 1995. Dissertação (Programa de Pós-Graduação em – PPGEP) – Escola de engenharia, Universidade Federal do Rio Grande do Sul, Porto Alegre.
Benishay, H., & Whitaker, G. R. (1966). Demand and supply in freight transportation. The Journal of Industrial Economics, 243-262.
da Silva, G. J. C., Jayme Jr, F. G., & Martins, R. S. (2009). Gasto público com infraestrutura de transporte e crescimento: uma análise para os estados brasileiros (1986-2003) 1. Revista Economia & Tecnologia, 5(1).
Fernandes, R. (2011). A procura de transporte ferroviário de mercadorias na Europa. 2011. Dissertação (Mestrado em economia) – Faculdade de economia, Universidade de Coimbra, Coimbra.
Fleury, M. T. L., & da Costa Werlang, S. R. (2017). Pesquisa aplicada: conceitos e abordagens. Anuário de Pesquisa GVPesquisa.
FitzRoy, F., & Smith, I. (1995). The demand for rail transport in European countries. Transport Policy, 2(3), 153-158.
Gerhardt, T. E., & Silveira, D. T. (2009). Métodos de pesquisa. [e-book]. Porto Alegre, Editora da UFRGS. Retirado em 10 de agosto, de www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf.
González, R. M., Marrero, G. A., Rodríguez-López, J., & Marrero, Á. S. (2019). Analyzing CO2 emissions from passenger cars in Europe: A dynamic panel data approach. Energy policy, 129, 1271-1281.
Gu, S., & Lu, X. (2015, July). Analysis of China railway passenger volume's influence factors based on principal component regression. In 2015 International Conference on Logistics, Informatics and Service Sciences (LISS) (pp. 1-5). IEEE.
He, Z. G., Shuai, B., & Liao, W. (2004). Freight Demand Forecasting for Logistics Centers [J]. Logistics Technology, 1.
Jiang, H. Y., & Yang, D. M. (2002). The forecast methods of volume of water freight for comparision. Oper. Res. Manag. Sci, 11(3), 74-79.
Kecman, P., & Goverde, R. M. (2015). Predictive modelling of running and dwell times in railway traffic. Public Transport, 7(3), 295-319.
Lončar, D., Paunković, J., Jovanović, V., & Krstić, V. (2019). Environmental and social responsibility of companies cross EU countries–Panel data analysis. Science of The Total Environment, 657, 287-296.
Mantalos, P., & Shukur, G. (2007). The robustness of the reset test to non-normal error terms. Computational Economics, 30(4), 393-408.
Nuzzolo, A., Coppola, P., & Comi, A. (2013). Freight transport modeling: review and future challenges. International Journal of Transport Economics/Rivista internazionale di economia dei trasporti, 151-181.
McCollister, G. M., & Pflaum, C. C. (2007). A model to predict the probability of highway rail crossing accidents. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of rail and rapid transit, 221(3), 321-329.
Pereira, O. C. (2009). Soluções de otimização da eficiência energética de uma ferrovia de carga. Dissertação (Mestrado em Engenharia Industrial) – Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, 2009.
Pereira, A.S. et al. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria/RS, Ed. UAB/NTE/UFSM. Retirado em 6 de agosto, de repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica.pdf?sequence=1.
Ramalho, E. A., & Ramalho, J. J. (2012). Alternative versions of the RESET test for binary response index models: a comparative study. Oxford bulletin of economics and statistics, 74(1), 107-130.
Reiter, G. R. (2015). Infraestrutura de transportes no Brasil: uma análise com dados em painel no período de 1995 a 2008. 2015. Trabalho de conclusão (Ciências Econômicas), Universidade Federal do Rio Grande do Sul, Porto Alegre.
Smith, P. L. (1974). Forecasting freight transport demand–The State of the Art. Logistics and Transportation Review, 10(4), 311-326.
Wang, X., Tong, D., Gao, J., & Chen, Y. (2019). The reshaping of land development density through rail transit: The stories of central areas vs. suburbs in Shenzhen, China. Cities, 89, 35-45.
Wen, C., Lessan, J., Fu, L., Huang, P., & Jiang, C. (2017, August). Data-driven models for predicting delay recovery in high-speed rail. In 2017 4th International Conference on Transportation Information and Safety (ICTIS) (pp. 144-151). IEEE.
Yang, Y. (2015). Development of the regional freight transportation demand prediction models based on the regression analysis methods. Neurocomputing, 158, 42-47.
Zhao, C., Liu, K., & LI, D. S. (2004). Research on application of the support vector machine in freight volume forecast. Journal of the China Railway society, 26(4), 10-14.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
