O desemprego aumenta o número de motoristas da Uber?

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Verdana||||" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

Toda vez que eu entro em um táxi, seja no Rio ou em outra cidade do Brasil, a conversa sempre recai sobre a Uber. É incrível como não há um único taxista que não culpe a empresa pela queda no movimento. Alguns até chegam a identificar a crise econômica pela redução das suas margens, mas dizem que o principal problema é a Uber. Será que eles têm razão?

Em primeiro lugar, observe o seguinte. A Uber concorre com os taxistas por clientes, o que naturalmente reduzirá a demanda por táxis convencionais. Mas como perguntar não ofende, vamos lá: quem é esse cidadão que irá se cadastrar na Uber?

A pessoa que dirige um carro da Uber possivelmente também dirigiria um táxi, não fossem as restrições de licenças que as prefeituras impõem. Desse modo, a margem de lucro no mercado de táxis antes da Uber era maior porque a oferta de motoristas era menor. A Uber, em certa medida, corrige o problema de licenças, levando o preço médio para algo mais próximo de um mercado competitivo. Terrível para os taxistas, mas bom para o consumidor, diga-se.

Dito isto, vamos ao ponto central que a Uber traz. Uma vez que a empresa leva o preço para algo mais próximo de um mercado concorrencial, chegará o ponto onde não valerá mais a pena para o motorista entrar nesse mercado. Em determinado momento, a oferta de motoristas (Uber, táxis, outros aplicativos, outras empresas, etc...) será o suficiente para atender a demanda por um determinado preço. Esse preço será naturalmente menor do que era antes da Uber.

Argumento entendido? Agora, vamos para a conjuntura. Todo mundo sabe que o desemprego tem aumentado no Brasil de forma bastante pronunciada. Ainda que eu não possa mostrar essa causalidade - e isso me mata! - parece razoável supor que o aumento do desemprego faz aumentar a quantidade de pessoas dispostas a dirigir um carro da Uber. Ainda que muitas pessoas estivessem dispostas a dirigir um carro da Uber em condições normais, parece razoável que o aumento do desemprego incentiva essa decisão.

uber

De fato, se a gente pegar as pesquisas por "Ser motorista Uber" no Google Trends e associar à taxa de desemprego, verá uma correlação bastante positiva. Se essa pesquisa é uma boa proxy para a evolução do número de motoristas da Uber e se isso implica em causalidade, já é uma estória bem mais interessante, mas que no momento eu infelizmente não posso responder... 🙁

Em resumo, os taxistas convencionais podem até achar que o problema é a Uber, mas é preciso verificar duas coisas, como vimos.  A Uber corrige a "renda de monopólio" dos taxistas. Além disso, se de fato o desemprego estiver incentivando o número de pessoas dispostas a dirigir um carro Uber, a crise econômica tem ainda mais importância para explicar a redução do número de corridas dos taxistas tradicionais.

Por fim, se alguém tiver essa série "motoristas Uber", por favor, me mande! Ah, sim, membros do Clube do Código podem ver o script desse post no repositório do GitHub, na parte de posts... 🙂

[/et_pb_text][et_pb_button admin_label="Botão" button_url="https://analisemacro.com.br/clube-do-codigo/" url_new_window="off" button_text="Conhecer o Clube do Código" button_alignment="left" background_layout="light" custom_button="off" button_letter_spacing="0" button_use_icon="default" button_icon_placement="right" button_on_hover="on" button_letter_spacing_hover="0" /][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.