GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
102<br />
Tabela 9: Quadro comparativo de modelos – Setor Energético 1<br />
Setor Energético<br />
Número de dados históricos<br />
Regressão Explanatória Auto-regressão Holt<br />
incluídos no modelo<br />
Relação Intervalo de<br />
16 34 36<br />
Confiança/Previsão em 2030 26% 27% 22%<br />
R2 ou R2-ajustado encontrado 98,0% 98,9% n/a<br />
MSE 15.007,2 10.656,7 13.622,0<br />
MAE 87,8 76,9 77,5<br />
MAPE 7%<br />
*Não-homocedasticidade<br />
11% 10%<br />
Problemas com resíduos de 1a *Resíduos auto*Não-<br />
ordem<br />
correlacionadoshomocedasticidade*Nãohomocedasticidade<br />
*Sequência acima do<br />
n/a<br />
Problemas com resíduos de 2a<br />
zero no inicío da<br />
ordem<br />
Método conceitualmente mais<br />
n/a<br />
série n/a<br />
adequado para previsões de... Curto/Médio prazo Curto prazo Curto prazo<br />
Alinhamento de resultados com<br />
Regr. explanatória e Regr. explanatória<br />
outros métodos? Auto-regressão e Holt<br />
Holt e auto-regressão<br />
Analisando-se individualmente cada modelo percebe-se que o de regressão<br />
explanatória possui seus resultados prejudicados pelo baixo número de dados históricos<br />
(somente 16) e pelo fato da série de resíduos não respeitar as hipóteses da regressão.<br />
Já o modelo de Holt apresenta parâmetros da mesma ordem de grandeza que os outros<br />
modelos, não se destacando em nenhum aspecto.<br />
O modelo de auto-regressão também sofre com problemas em seus resíduos, mas por<br />
outro lado possui um elevado número de dados históricos incluídos no modelo. Além disso,<br />
nota-se que durante a maior parte do intervalo de previsão tal modelo apresenta resultados<br />
intermediários entre os modelos de regressão explanatória e Holt.<br />
Porém, na previsão da demanda do Setor Energético nota-se, acima de tudo, que<br />
apesar das forças e deficiências de cada modelo, a convergência gráfica dos 3 modelos<br />
ressalta a força dos resultados encontrados.<br />
Desta forma, recomenda-se a utilização dos resultados do modelo de auto-regressão<br />
como previsão da demanda do Setor Energético.<br />
1 Nos casos de modelos mistos que misturam regressão explanatória e auto-regressão (ou vice-versa) o R 2 total é<br />
encontrado pela equação (R 2 total = R 2 primeira ordem + (1- R 2 primeira ordem) x R 2 segunda ordem)