GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Tabela 12: Quadro comparativo de modelos – Setor Comercial/Público<br />
Setor Comercial/Público<br />
Número de dados históricos<br />
Regressão Explanatória Auto-regressão Holt<br />
incluídos no modelo<br />
Relação Intervalo de<br />
19 17 19<br />
Confiança/Previsão em 2030 20% 116% 129%<br />
R2 ou R2-ajustado encontrado 82,8% 94,4% n/a<br />
MSE 2.065,0 603,0 538,4<br />
MAE 39,0 17,0 15,6<br />
MAPE 362% 123%<br />
*Nãohomocedasticidade<br />
189%<br />
*Não-homocedasticidade *Sequência abaixo<br />
Problemas com resíduos de 1a *Resíduos auto-<br />
do zero no início da<br />
ordem<br />
correlacionados<br />
*Não-homocedasticidade<br />
série n/a<br />
Problemas com resíduos de 2a *Resíduos auto-<br />
ordem<br />
Método conceitualmente mais<br />
correlacionados n/a n/a<br />
adequado para previsões de... Curto/Médio prazo Curto prazo Curto prazo<br />
Relativamente<br />
Alinhamento de resultados com<br />
Relativamente próximo à auto-<br />
outros métodos? Nenhum<br />
próximo à Holt regressão<br />
Analisando-se a tabela acima, percebe-se que o modelo de regressão explanatória<br />
apresenta uma relação intervalo de confiança/previsão bem melhor que os outros modelos.<br />
Por outro lado, seus erros (MSE, MAPE e MAE) são bastante mais elevados, o que indica<br />
uma baixa aderência do modelo aos dados históricos (o que é reforçado pelo resultado de R 2<br />
encontrado). Além disso, também se percebe que os resíduos encontrados apresentam<br />
problemas, não respeitando completamente as hipóteses do modelo de regressão linear.<br />
O modelo de auto-regressão encontrado é prejudicado pela perda de dois dados<br />
históricos na confecção do mesmo (para gerar a série de lag1 e lag2). Outros pontos fracos do<br />
mesmo são os problemas com seus resíduos, além de e sua alta relação entre intervalo de<br />
confiança e previsão em 2030. Um ponto forte que se observa neste modelo é o relativo<br />
alinhamento de seus resultados com os obtidos através do método de Holt o que serve, em<br />
parte, para validá-los.<br />
Já o método de Holt encontrado prima pelo fato de ter sido gerado a partir de uma boa<br />
quantidade de dados em relação a seus pares (mas nem tantos dados quanto seria desejável) e<br />
por possuir baixas medidas de erros. Além disso, possui certo alinhamento de resultados com<br />
137