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