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

118
Como se pode observar, a regressão indicou que a relação entre demanda residencial e
PIB é estatisticamente mais relevante do que demanda residencial e número de domicílios
(não se pode usar PIB e número de domicílios numa mesma regressão múltipla por problemas
de multicolinearidade entre estas duas variáveis).
A equação de regressão encontrada possui um R 2 de 94,9%, resultado bastante
elevado, mas que é enfraquecido pelo baixo número de pontos utilizados (19) e pela análise
dos resíduos da regressão. Além disso, todos os t-stat encontrados foram maiores do que 2.
50
40
30
20
10
-20
-30
-40
Analisando-se os resíduos que essa equação gera obtém-se a seguinte distribuição:
Resíduos da regressão do Setor Residencial
0
0 19
-10
Gráfico 47: Resíduos da regressão do Setor Residencial
Percebe-se claramente no gráfico acima que os resíduos são autocorrelacionados. Ou
seja, o resultado de um resíduo depende do resultado do resíduo anterior (evidenciado pela
distribuição com formato de senóide).
Outra análise que pode ser realizada é plotar o gráfico do ACF dos erros, para verificar
se há alguma influência temporal relevante ao problema que não tenha sido incorporada ao
modelo. O gráfico abaixo ilustra isso: