GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP

Além disso, pode-se, visualmente, perceber que as curvas do intervalo de confiança
formam um ângulo bastante aberto entre si se comparado às previsões por método de Holt
anteriormente realizadas. Isso ocorre devido a dois fatores: baixo número de dados históricos
(somente 19) e ao fato da curva de demanda histórica do Setor Residencial dar um “soluço”
entre 1997 e 2003.
7.4.2 Residencial – Regressão Explanatória
Buscando-se realizar uma previsão por regressão para o setor Residencial, pode-se
pensar nas seguintes variáveis que teriam algum relacionamento lógico com a mesma:
Setor Residencial f
PIB
Número de domicílios
Figura 17: Possíveis variáveis explanatórias para a demanda do setor residencial
Ou seja, considera-se que, de alguma forma, a demanda de gás do setor residencial
possa estar relacionada com o PIB e/ou o número de domicílios brasileiros. Note-se que o
relacionamento entre número de domicílios e demanda do setor residencial é intuitiva (quanto
mais domicílios, maior deve ser, de forma geral, a demanda do setor residencial). Já a variável
PIB está sendo utilizada aqui como um “coringa”, já que é um indicador macroeconômico
brasileiro de grande relevância que pode mostrar algum relacionamento estatístico com a
variável em estudo.
Rodando no Minitab ® uma regressão Stepwise forward-with-a-backward look com
essas duas variáveis e os parâmetros de “Alpha-to-enter” e “Alpha-to-remove” de 15%,
obtém-se a seguinte equação:
Equação 41: Demanda residencial em função de modelo de regressão explanatória I
y
=
494,
7
+
3,
61×
PIB
117