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

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