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

7.1.2 Transportes – Regressão Explanatória
Buscando realizar uma previsão por regressão para o setor de Transportes, pode-se
pensar nas seguintes variáveis que teriam algum relacionamento lógico com a mesma:
Transportes
No N carros movidos a GNV
o carros movidos a GNV
f PIB
No N domicílios
o domicílios
Figura 14: Possíveis variáveis explanatórias para demanda de transportes
Ou seja, considera-se que, de alguma forma, a demanda de gás do setor de transportes
possa estar relacionada com o número de carros convertidos a GNV no Brasil, o PIB nacional
ou o número de domicílios nacional. A primeira variável descrita deve, intuitivamente, ser
fortemente relacionada com a demanda de gás do setor de transporte. Já as outras duas
variáveis são “coringas”, relacionadas à aspectos macroeconômicos brasileiros, podendo ser
utilizadas em diversos tipos de análises de regressão.
Rodando no Minitab ® uma regressão Stepwise forward-with-a-backward look com
essas três variáveis e os parâmetros de “Alpha-to-enter” e “Alpha-to-remove” de 15%, obtémse
a seguinte equação:
Equação 29: Demanda de transportes em função de modelo de regressão explanatória
y = 61,
79
+ 0,
00185
× NúmeroDeCarrosGNV
Tal equação possui um R 2 de 99,5%, resultado bastante elevado que pode ser
justificado pelo baixo número de pontos que estão sendo incluídos na regressão (10). Além
disso, todos os seus t-stat são maiores do que 2.
79