Modelos para Dados de Contagem com Estrutura Temporal

Comentários Gerais
Através do critério da verossimilhança preditiva, vimos que o modelo Poisson dinâmico,
modelo Poisson-lognormal dinâmico em que ξ = −V/2 e modelo Poisson-lognormal
dinâmico em que ξ = 0 obtiveram os melhores desempenhos com relação aos demais
modelos ajustados. Através da análise de resíduos, observamos que os modelos ajustados,
com exceção do modelo PAR, não contrariam fortemente as hipóteses de normalidade
e independência assumidas se o modelo é correto.
Novamente, podemos perceber que os modelos dinâmicos ajustaram-se melhor aos
dados, ou seja, uma vez que deixamos o nível do processo sob estudo variar suavemente
no tempo, permitimos que o modelo tenha uma adequação melhor aos dados, o que não
ocorre com o modelo PAR cujos parâmetros são estáticos. Nesta aplicação, podemos
observar, da mesma maneira que observamos na aplicação da Seção 3.4, que, apesar do
parâmetro de sobredispersão δ t ser não significativo para os modelos de sobredispersão,
o efeito da sobredispersão foi significativo para alguns instantes de tempo. Quanto aos
modelos dinâmicos para dados inflacionados de zeros, vimos que estes não obtiveram bom
desempenho quanto à sua capacidade preditiva, porém vimos também que, por meio
destes modelos, podemos obter muitas informações a respeito do processo sob estudo.
Assim, modelos dinâmicos para dados inflacionados de zeros podem ser preferíveis por
causa de suas características. Note também que o modelo PAR, apesar de obter melhor
desempenho quanto à capacidade preditiva com relação aos modelos inflacionados de
zeros, não se ajusta bem ao conjunto de dados, fato que se reflete no comportamento
dos resíduos. Vale ressaltar que a modelagem dinâmica e modelagem através do modelo
PAR nos dão informações diferentes a respeito do processo sob estudo.
124