Esse processo <strong>de</strong> checagem, em geral, envolve dois estágios. Em primeirolugar, a função <strong>de</strong> autocorrelaçao para a serie gerada pelo mo<strong>de</strong>lo<strong>de</strong>ve ser comparada com a função <strong>de</strong> autocorrelaçao da série <strong>de</strong> dadosrealmente observados. Se as duas funções <strong>de</strong> autocorrelaçao se apresentambastante distintas entre si, po<strong>de</strong>-se imaginar que o mo<strong>de</strong>lo especificadonecessita <strong>de</strong> uma melhor i<strong>de</strong>ntificação. Por outro lado, se as duasfunções <strong>de</strong> autocorrelaçao apresentam comportamentos semelhantes, entãose passa para o segundo estagio, que e uma analise quantitativa dos resíduosgerados pelo mo<strong>de</strong>lo i<strong>de</strong>ntificado.A análise dos resíduos está baseada no fato <strong>de</strong> testar-se se realmente osresíduos formam um processo <strong>de</strong> ruído branco. Fundamentalmente, busca-setestar se os resíduos não estão correlacionados entre si.Assim, se o mo<strong>de</strong>lo está bem especificado, espera-se que os a t (â t == 9" 1 (B)cf; 'B)w t ) sejam não correlacionados entre si, t- que a função <strong>de</strong>autocorrelaçao dos resíduos£a .1 ,r, (r. = -) se aproxime <strong>de</strong> zero para <strong>de</strong>slocamentos k - l .k k97O teste <strong>de</strong> in<strong>de</strong>pendência dos resíduos, sugerido por <strong>Box</strong> & <strong>Jenkins</strong>, é. o<strong>de</strong>senvolvido por BOX & PIERCE (1970) a partir das constatações <strong>de</strong> AN-DERSON (1942) para as funções <strong>de</strong> autocorrelaçao. Esse teste comprova que,se o mo<strong>de</strong>lo está corretamente especificado, então, para gran<strong>de</strong>s <strong>de</strong>slocamentos<strong>de</strong> "k", os coeficientes <strong>de</strong> autocorrelaçao r, estão não correlacionadosentre si, e estão normalmente distribuídos com media zero e variancial/n, on<strong>de</strong> n e o numero <strong>de</strong> observações da serie Wj- .<strong>Box</strong> & Pierce <strong>de</strong>finiram a estatística Q=n Er^2 , constituída por uma soma<strong>de</strong> variáveis normais <strong>de</strong> média zero e variância l/n elevada ao quadrado,a qual, portanto, possui distribuição qui-quadrado 15 , com k-p-q graus<strong>de</strong> liberda<strong>de</strong>. A regra <strong>de</strong> <strong>de</strong>cisão consiste em que um valor <strong>de</strong> "Q" abaixo<strong>de</strong> 10% da cauda direita na tabela qui-quadrado indica que não é, necessariamente,aceitável a hipótese <strong>de</strong> os resíduos serem processos <strong>de</strong> ruídonão branco, uma vez que a probabilida<strong>de</strong> <strong>de</strong>ssa hipótese ser verda<strong>de</strong>ira émenor que 90%. O teste do qui-quadrado é, portanto, um teste fraco, umavez que testa somente <strong>de</strong> forma indireta a hipótese dos resíduos formaremum processo <strong>de</strong> ruído branco.De outra parte, se o valor <strong>de</strong> "Q" calculado estiver entre os pontoscompreendidos pelas áreas <strong>de</strong> 10% e 5% da tabela, alguma dúvida sobre aa<strong>de</strong>quação da i<strong>de</strong>ntificação do mo<strong>de</strong>lo permanecerá, necessitando-se buscaroutros meios para dirimir as incertezas sobre a especificação domo<strong>de</strong>lo.Por último, após ter <strong>de</strong>cidido aceitar a a<strong>de</strong>quação do mo<strong>de</strong>lo i<strong>de</strong>ntificadoe estimado os valores ótimos dos respectivos parâmetros , é, ainda,aconselhável mais avaliação sobre a representativida<strong>de</strong> dos parâmetrosestimados . É possível que o mo<strong>de</strong>lo apresente um número não conveniente<strong>de</strong> parâmetros, os quais po<strong>de</strong>m caracterizar uma sub ou uma superparametrizaçaodo mo<strong>de</strong>lo.15 Na verda<strong>de</strong>, "Q" é aproximadamente qui-quadrado, pois po<strong>de</strong>rá haver correlação entre as primeiras f k e sua variânciaser menor que l/n.
98Para o caso <strong>de</strong> se objetivar a verificação da existência <strong>de</strong> parâmetrosem <strong>de</strong>masia no mo<strong>de</strong>lo ajustado (mo<strong>de</strong>los superparametrizados), o testeutilizado é comparar os valores dos parâmetros com o dobro <strong>de</strong> seus respectivos<strong>de</strong>svios padrão (vale dizer, ct=5%) . Se houver parâmetros inferioresao dobro <strong>de</strong> seus <strong>de</strong>svios padrão, em modulo, esses são possíveiscandidatos a serem eliminados.Se o parâmetro não significante e o <strong>de</strong> or<strong>de</strong>m mais elevada,o mo<strong>de</strong>lo po<strong>de</strong>ser simplificado, reduzindo-se <strong>de</strong> um a or<strong>de</strong>m do operador.Exemplo: seja o mo<strong>de</strong>lo Vx t =(l - 0,47B - 0,05B 2 )a t com <strong>de</strong>svios <strong>de</strong> 0,02e 0,07, respectivamente, para BI e 02-O parâmetro 0,47 é significante, pois § 1 >2DP(8i),isto é, O, 47> 2 x O,02.O parâmetro 0,05 é não significativo, pois é menor que 2 x DP(§2), istoé, 2 x 0,07.Sugere-se, então, o mo<strong>de</strong>lo alternativo VXç =(l - 0,47B)at-Se o parâmetro não significante não e o <strong>de</strong> or<strong>de</strong>m mais elevada, <strong>de</strong>ve-severificar o grau <strong>de</strong> correlação entre os parâmetros através <strong>de</strong> sua matriz<strong>de</strong> correlação. Se a matriz indica correlação entre os parâmetros,po<strong>de</strong>-se eliminar a <strong>de</strong> maior or<strong>de</strong>m; se não houver correlação entre osparâmetros, então,mantêm-se todos os parâmetros.Exemplo: seja o mo<strong>de</strong>lo Z - Z = (l - 0,08B - 0,56B 2 )a , com <strong>de</strong>sviospadrão dos parâmetros <strong>de</strong> 0,09 e 0,01 respectivamente.O parâmetro 0,08 e não significante, pois e menor que 2 x 0,09.O parâmetro 0,56 é significante, pois é maior que 2 x 0,01.Se a correlação entre os dois parâmetros for, por exemplo, <strong>de</strong> 0,95, ouseja, se existe cor ré laçaoentre eles,então se sugere o mo<strong>de</strong>lo Zj- - Z t _^ == (l - 0,08B)a t .Um ultimo caso e aquele em que todos os parâmetros se apresentam comsignificância, mas altamente correlacionados. Nesse caso, <strong>de</strong>ve-se optarpela redução do numero <strong>de</strong> parâmetros, baixando a or<strong>de</strong>m do mo<strong>de</strong>lo. Apôscada simplificação, os valores ótimos <strong>de</strong>vem ser reestimados.Para o caso <strong>de</strong> mo<strong>de</strong>los subparametrizados, on<strong>de</strong> o mo<strong>de</strong>lo especificadoapresenta um numero <strong>de</strong> parâmetros menor do que o necessário para <strong>de</strong>screvera<strong>de</strong>quadamente o comportamento dos dados, o processo <strong>de</strong> analise<strong>de</strong> sua subparametrizaçao e baseado no fato <strong>de</strong> os resíduos obtidos apôsa estimação dos valores dos parâmetros terem autocorrelaçoes significantes.Sua avaliação e feita através dos seguintes procedimentos:- se os valores dos coeficientes <strong>de</strong> autocorrelacao são significantes nas<strong>de</strong>fasagens iniciais e/ou nos períodos múltiplos <strong>de</strong> sazonalida<strong>de</strong>,issoindica que os comportamentos regular e/oú sazonal não foram consi<strong>de</strong>radosna integra. Devem-se buscar as causas da <strong>de</strong>ficiência através dacomparação dos coeficientes significantes <strong>de</strong>sse mo<strong>de</strong>lo com os coeficientesconhecidos para os operadores AR e MA. Obtidas as razões,elimina-sea <strong>de</strong>ficiência pela agregação <strong>de</strong> tais operadores ao mo<strong>de</strong>lo;- se os coeficientes <strong>de</strong> autocorrelacao significantes ocorrem em <strong>de</strong>fasagensdistintas das expostas acima, não apresentando então a necessida<strong>de</strong><strong>de</strong> operadores regulares e/ou sazon'ais adicionais e, além disso,
- Page 1:
(/Jmt/)pllllllFundação de Economi
- Page 4 and 5:
SUMÁRIOLISTA DE FIGURAS 5LISTA DE
- Page 6 and 7:
LISTA DE FIGURASCAPÍTULO 2Figura l
- Page 8 and 9:
Figura 22 — Gráfico da PAC da s
- Page 10 and 11:
Quadro 13 - Relatório de saída do
- Page 12 and 13:
A presente dissertação, orientada
- Page 14 and 15:
14de Cournot e Walras, entre outros
- Page 16 and 17:
16que as atividades de pesquisa alc
- Page 18 and 19:
18funcionamento da realidade econô
- Page 20 and 21:
20quatro componentes e tem-se como
- Page 22 and 23:
2 - SOBRE SÉRIES TEMPORAISE PROCES
- Page 24 and 25:
25onde o segundo membro dessa equa
- Page 26 and 27:
A importância do conhecimento de a
- Page 28 and 29:
O tipo de não estacionariedade mos
- Page 30 and 31:
Essa padronização e obtida atrav
- Page 32 and 33:
=t1 p1 ' t-1( 1 o1 ' ' t-2-fl-He 1
- Page 34 and 35:
35l M l l l l l lFigura 3 - Correlo
- Page 36 and 37:
Para retirar a sazonalidade, cria-s
- Page 38 and 39:
40Nesse caso,E (X t ) = E(u+ E(a t
- Page 40 and 41:
42Portanto.tSZ = ",z = . E z. = .E.
- Page 42 and 43:
44Note-se que, para esse processo,
- Page 44 and 45: 463.2 — Modelo Média MóvelSeja
- Page 46 and 47: 48Processo Média Móvel de Primeir
- Page 48 and 49: 50Y2 = E(a t - 6 1 a t _ 1 '^t^ (a
- Page 50 and 51: Conforme se viu no iteia 3,1, para
- Page 52 and 53: 54Coeficiente de autocorrelação>k
- Page 54 and 55: 56se k = 2, p 2 = "í^p-, + ií ) 2
- Page 56 and 57: 58Portanto,5 = 'i' 1 (B) 8 (B)2 ql
- Page 58 and 59: 60Para k < q, o processo misto auto
- Page 60 and 61: 62Coeficientes de autocorrelação^
- Page 62 and 63: 64Observe-se que, se d=0, o modelo
- Page 64 and 65: 66Portanto, o modelo descrito pela
- Page 66 and 67: 4 - O PROCESSO DE MODELAGEMOs model
- Page 68 and 69: 71/Ml-UIAFigura 1 - Gráfico "Ampli
- Page 70 and 71: O processo de transformação da se
- Page 72 and 73: autocorrelaçao de um processo méd
- Page 74 and 75: 'kkhi,.1 O O 1 2l0 2 4 j 618l l 10
- Page 76 and 77: 79l 2 3 4 5l M'-''> OO 11 3 l 5 l 7
- Page 78 and 79: 81Padrões de p ^ e (4 ^ para um AR
- Page 80 and 81: Na prática, porém, surge outro pr
- Page 82 and 83: Por fim, o estudo das funções de
- Page 84 and 85: Esses vetores serão $,6, e a , de
- Page 86 and 87: Um exemplo pratico permite maior cl
- Page 88 and 89: Para o calculo de S(_$,ô_), os [ a
- Page 90 and 91: para iniciar o processo que se arbi
- Page 92 and 93: 95Porque os [e.t/S,wn não são exa
- Page 96 and 97: aparecem escassamente no correlogra
- Page 98 and 99: 5-0 MÉTODO DE PREVISÃODE BOX & JE
- Page 100 and 101: 103De maneira semelhante, pode-se o
- Page 102 and 103: 105Previsão utilizando equação d
- Page 104 and 105: 107ou seja,para h > 2,x t (h) = ^^(
- Page 106 and 107: 109O valor de x no período t+h éx
- Page 108 and 109: 1 11para h=2 ,x t (2) = E, para h >
- Page 110 and 111: Se as previsões para um, dois e tr
- Page 112 and 113: 115Portanto o valor de x no tempo t
- Page 114 and 115: 6.1 - Nota Introdutória6 - APLICA
- Page 116 and 117: 119rie se caracteriza por apresenta
- Page 118 and 119: tricamente crescente, pode-se infer
- Page 120 and 121: 123Figura 5 - Gráfico da função
- Page 122 and 123: 125Quadro 2Figura 7 — Gráfico da
- Page 124 and 125: 127Quadro 4Figura 8 - Gráfico da f
- Page 126 and 127: 129Portanto o modelo suposto inicia
- Page 128 and 129: 1 JF jR.LN i"ÍSSSÉÍ"'*?!!['"Ortu
- Page 130 and 131: 133O Quadro 5 permite algumas consi
- Page 132 and 133: 135T»E-EST!«»Tto «E51FWALS-- MO
- Page 134 and 135: 137Quadro 6Relatório de saída do
- Page 136 and 137: 1396.3 - Previsões para o Consumo
- Page 138 and 139: 141A avaliação da necessidade de
- Page 140 and 141: 143A Figura 16 permite observar que
- Page 142 and 143: 145A ACF da serie V 2 T t (Figura 1
- Page 144 and 145:
'147Quadro 9Valores numéricos da A
- Page 146 and 147:
149Quadro 11Valores numéricos da P
- Page 148 and 149:
Quadro 12151Principais informaçõe
- Page 150 and 151:
1536.3.4 — PrevisõesPara essa se
- Page 152 and 153:
155xx* *XXKx**xx*xx*xxxx /x ^x *xAA
- Page 154 and 155:
157Figura 24 — Relatório de saí
- Page 156 and 157:
160cionarem previsões bastante sat
- Page 158 and 159:
162- KIRBY (1966), comparando os m
- Page 160 and 161:
ANEXO lManual dos Comandos Necessá
- Page 162 and 163:
168cc 9-16 Number with four decimai
- Page 164 and 165:
170Repeat in cc 17-24, 25-32, etc.
- Page 166 and 167:
17240.12345cc 1-5Enter a zero if wi
- Page 168 and 169:
ANEXO 11Relatórios de Saída do Co
- Page 170 and 171:
s^c; c —)c i- >C-' "*> — < Sj=
- Page 172 and 173:
.-« T-4ooooooooooo*• + 4- * *•
- Page 174 and 175:
BIBLIOGRAFIAAKAIKE, H. A new look a
- Page 176 and 177:
MAKRIDAKIS, S. & WHEELWRIGHT, S. C.