séries univariantes de tempo - metodologia de Box & Jenkins

133O Quadro 5 permite algumas considerações importantes para a escolha domodelo mais adequado ao estudo.- Na etapa de identificação, concluiu-se pela não inclusão do termoconstante. Porém, para fins exemplificativos, optou-se por estimartodos os modelos supostos, considerando também a existência de 0 0 .Percebe-se que essas inclusões não alteraram substancialmente as estimativasdos demais parâmetros em relação aos modelos supostos semo termo constante. Para todos os modelos, 6 Q e bastante pequeno e seapresenta não significativamente distinto de zero. A melhora do ajustamentoé desprezível, conforme se constata pelo ínfimo acréscimo davariância residual, comprovando a correção da decisão de não incluir9 0 e a potencialidade do teste de significancia feito na etapa inicialde identificação.- Assim como foram estimados, para exemplificar, os n.odelos com o termoconstante, optou-se em estimar todos os cinco modelos mais parcimoniososcapazes de descrever a série observada, embora, de antemão,se saiba que alguns não satisfazem as características para umbom ajustamento aqueles valores.- As estimativas eficientes dos parâmetros dos modelos supostos foramobtidas não só a partir de valores iniciais 'calculados na etapa deidentificação, como também supondo estimativas preliminares iguais azero. O numero de iterações necessárias para se obter estimativas eficientesfoi bastante semelhante em ambos os casos, revelando a capacidadede rápida convergência aqueles valores que o processo de aproximaçõessucessivas do algoritmo de Marquardt possui, independentementedos valores iniciais considerados. Por essa razão, torna-se desnecessáriopreocupar-se com a obtenção de boas estimativas preliminares.- O modelo suposto ARIMA(1,2,1) apresenta ^ não significativo, o queinduz ã opção por um ARIMA(0,2,1). Da mesma forma, o modelo supostoARIMA(0,2,2) apresenta o parâmetro de ordem dois não significante. Aoreduzir a ordem desse modelo, recai-se novamente em um ARIMA(0,2,1).Assim, pode-se reduzir os cinco modelos analisados a apenas três:ARIMA(0,2,1), ARIMA(1,2,0) e ARIMA(2,2,0) .- Os modelos supostos ARIMA(0,2,1) , ARIMA(1,2,0) e ARIMA(2,2,0) apresentamseus parâmetros significativos. A estatística "Q", para todosos três, apresenta-se bastante inferior ao valor crítico (para 24graus de liberdade, XQ ^Q=36,4 e para 23 graus de liberdade, XQ IQ=35,2), o que indica que os resíduos são não significativamente não--brancos, atendendo as exigências teóricas do método.- A escolha do melhor modelo, entre o ARIMA(0,2,1) e o ARIMA(1,2,0) e oARIMA(2,2,0) , depende do cjritério utilizado. Para fins de previsão,é usual o critério de menor erro quadrático médio. Para fins de ajustamentodo modelo estimado aos dados observados, pode-se adotar ocritério da variância residual mínima. Como, para o cálculo do erroquadrãtico médio, se necessita dos valores realmente observados, xg5,xgg xgg, e. esses não são disponíveis, optou-se por adotar o critérioda variância residual mínima. Por esse critério, o modolo escolhidoé o ARIMA (0,2,1).