Baixe o app para aproveitar ainda mais
Prévia do material em texto
Análise das séries cronológicas Edleide de Brito e Andrea A. Prudente MAT193 - Introdução à Estatística Econômica Instituto de Matemática Departamento de Estatística Universidade Federal da Bahia 2015.2 Edleide & Andrea (UFBA) Séries 2015.2 1 / 27 Séries Introdução Análise das séries cronológicas A importância da análise e previsão de séries temporais na ciência, engenharia e negócios tem crescido e continua como interesse atual de engenheiros, cientistas e economistas. SÉRIE TEMPORAL OU CRONOLÓGICA: série em que as observa- ções do fenômeno em estudo são realizadas em instantes distintos e sucessivos de tempo. Edleide & Andrea (UFBA) Séries 2015.2 2 / 27 Séries Introdução Análise das séries cronológicas Informalmente, uma série temporal pode ser vista como um conjunto de observações Y , cada uma observada em um instante particular t . Em séries temporais o instante em que é efetuada cada uma das obser- vações necessita ser registrado e será utilizado na análise/modelagem da série, por isso a designação de série temporal. Edleide & Andrea (UFBA) Séries 2015.2 3 / 27 Séries Exemplos Exemplos A característica mais importante deste tipo de dados é que as obser- vações vizinhas são dependentes e estamos interessados em analisar e modelar esta dependência. Enquanto em modelos de regressão, por exemplo, a ordem das observações é irrelevante para a análise, em séries temporais a ordem dos dados é crucial. Exemplo X produção anual de automóveis em um país; X cotações de ações em uma bolsa de valores; X vendas realizadas por um supermercado em um período de tempo. Edleide & Andrea (UFBA) Séries 2015.2 4 / 27 Séries Preparação Preparação dos dados Ao analisarmos uma série temporal estamos tentando identificar a presença de dependência no tempo (fazer previsões para observações futuras com base nas observações passadas): Y = f (t), em que Y é função do tempo t . Edleide & Andrea (UFBA) Séries 2015.2 5 / 27 Séries Objetivo Objetivo da análise das séries A análise das séries temporais permite: Investigar o mecanismo gerador da série; Fazer previsões futuras do fenômeno; Descrever apenas o comportamento da série; Procurar periodicidade relevantes nos dados. Edleide & Andrea (UFBA) Séries 2015.2 6 / 27 Séries Componentes Componentes das séries cronológicas Uma série temporal é composta por quatro componentes: Tendência (T); Sazonalidade (S); Variação cíclica (C); Variação aleatória (E). Edleide & Andrea (UFBA) Séries 2015.2 7 / 27 Séries Tendência Tendência (T) A tendência secular ou simplesmente tendência são os movimentos que se relacionam com a direção geral desenvolvida pelo gráfico da série. Exemplo Edleide & Andrea (UFBA) Séries 2015.2 8 / 27 Séries Outros componentes Componentes da série temporal X Sazonalidade (S) A variação sazonal ou simplesmente sazonalidade são os movimentos de curto prazo que se repetem periodicamente no gráfico da série. X Variação cíclica (C) A variação cíclica são os movimentos de longo prazo (maiores ou iguais a um ano) que se repetem periodicamente ou não no gráfico da série. X Variação aleatória, irregular ou errática (E) A variação aleatória reflete a ocorrência de eventos casuais como tem- pestades, enchentes, greves, etc. São picos de crescimento ou de de- créscimo que surgem no gráfico da série “inesperadamente”. Edleide & Andrea (UFBA) Séries 2015.2 9 / 27 Séries Decomposição ST Decomposição das componentes de uma série temporal Ao analisarmos uma série temporal queremos identificar o modelo que melhor descreve o seu comportamento. A ideia é definirmos um modelo que identifique cada componente da série temporal, ou seja, que faça a decomposição das componentes da série: Y = f (t) = f (T ,S ,C ,E) . Edleide & Andrea (UFBA) Séries 2015.2 10 / 27 Séries Hipóteses Hipótese aditiva O modelo da série temporal pode ser escrito na forma aditiva: Y = T + S +C + E , os movimentos sazonais, cíclicos e aleatórios são independentes da tendência, ou seja, os efeitos são aditivos. Exemplo: Para vendas de brinquedos, suponha que o aumento esperado nas vendas nos meses de dezembro é de um milhão de reais em relação à média anual. Então as previsões para os meses de dezembro dos próximos anos deve somar a quantia de um milhão de reais à uma média anual para levar em conta esta flutuação sazonal. Neste caso, tem-se sazonalidade aditiva. Edleide & Andrea (UFBA) Séries 2015.2 11 / 27 Séries Hipóteses Hipótese aditiva - Ilustração A variação cíclica não se altera em torno da tendência. Edleide & Andrea (UFBA) Séries 2015.2 12 / 27 Séries Hipóteses Hipótese multiplicativa O modelo da série temporal pode ser escrito na forma multiplicativa: Y = T × S ×C × E , os movimentos sazonais, cíclicos e aleatórios são proporcionais a ten- dência, ou seja, os efeitos são multiplicativos. Exemplo: Suponha agora que o aumento esperado nos meses de dezembro seja de 30%. Então o aumento esperado (em valor absoluto) de vendas em dezembro será pequeno ou grande dependendo da média anual de vendas ser baixa ou alta. Nas previsões para os próximos meses de dezembro deve-se multiplicar a média anual pelo fator 1, 3. Neste caso, tem-se sazonalidade multiplicativa. Edleide & Andrea (UFBA) Séries 2015.2 13 / 27 Séries Hipóteses Hipótese multiplicativa - Ilustração A variação cíclica se altera em torno da tendência. Edleide & Andrea (UFBA) Séries 2015.2 14 / 27 Determinação Determinação Determinação e eliminação dos componentes cronológicos Para determinarmos as componentes da série temporal, iremos tra- balhar, principalmente, com a hipótese aditiva, mas um modelo mul- tiplicativo pode ser transformado em um modelo aditivo através da transformação logarítmica (como foi feito em ajustamento estatís- tico). Edleide & Andrea (UFBA) Séries 2015.2 15 / 27 Determinação Tendência Determinação da tendência por médias móveis e pelo método dos mínimos quadrados Para determinarmos a tendência de uma série temporal podemos uti- lizar dois métodos: i) Método de médias móveis ii) Método dos mínimos quadrados (ajustamento estatístico) Edleide & Andrea (UFBA) Séries 2015.2 16 / 27 MM MM Método de médias móveis O método de médias móveis utiliza como previsão para um determi- nado período no futuro a média das observações passadas. As médias móveis podem ser simples, centradas ou ponderadas. Para o método de médias móveis centradas que são o que iremos utilizar no nosso curso podemos definir sua expressão como: yt = xt−k + . . . + xt + . . . + xt+k n , em que k = n − 1 2 e n representa o número de observações incluídas na média yt . Edleide & Andrea (UFBA) Séries 2015.2 17 / 27 MM Observações Observações O objetivo do método de médias móveis é suavizar as varia- ções da série por um processo de sucessivas médias (aritmética, geométrica, etc.). Este método não permite fazer previsões sobre valores futuros da série. Edleide & Andrea (UFBA) Séries 2015.2 18 / 27 MM Exemplo Exemplo Os dados a seguir apresentam a Carga Tributária Bruta* - CTB (%) no Brasil de 2000 até 2009. Ano CTB (%) 2000 30,4 2001 31,9 2002 32,4 2003 31,9 2004 32,8 2005 33,8 2006 34,1 2007 34,7 2008 34,9 2009 33,7 *Soma de tudo o que o governo recebe em impostos, contribuições e taxas, dividida pela quantidade de riqueza produzida no país (PIB). Edleide & Andrea (UFBA) Séries 2015.2 19 / 27 MM Gráfico Gráfico da série A seguir o gráfico da série: Edleide & Andrea (UFBA) Séries 2015.2 20 / 27 MM Gráfico 2 Gráfico da série retirando a tendência A seguir o gráfico da série, após retirar a tendência: Edleide & Andrea (UFBA) Séries 2015.2 21 / 27 MMQ MMQ Método dos Mínimos Quadrados Uma ferramentamatemática utilizada para obter a equação que re- presenta tendência de uma série está relacionada ao método dos mí- nimos quadrados (MMQ). O procedimento de ajuste consiste em estimar os parâmetros que definem a equação que melhor se ajusta aos pontos observados. A escolha da função depende de um estudo do comportamento da série, sendo que esta pode apresentar comportamento exponencial, por exemplo, e o ajuste de uma reta não seria recomendado. Edleide & Andrea (UFBA) Séries 2015.2 22 / 27 MMQ Modelos Modelos Já vimos como ajustar um modelo de regressão a duas variáveis x e y anteriormente. Ŷ = a + b · t no caso do modelo de regressão linear; Ŷ = a + b · t + c · t2 no caso do modelo de regressão quadrático; ŷ = A+ b ·T no caso do modelo de regressão geométrico; ŷ = A+B · t no caso do modelo de regressão exponencial. Observações: A variável X foi substituída pelo tempo (t) em que a observação foi coletada. y = log10Y , A = log10 a , B = log10 b e T = log10 t . A vantagem da determinação da tendência pelo MMQ é que podemos fazer previsões. Edleide & Andrea (UFBA) Séries 2015.2 23 / 27 MMQ Exemplo Exemplo Para os dados do exemplo anterior, ajuste o modelo de regressão linear simples e o quadrático. Identifique qual o melhor modelo e faça a previsão para a tendência de 2010. Edleide & Andrea (UFBA) Séries 2015.2 24 / 27 MMQ Equações Equações a = Y¯ − b t¯ b = ∑ ti Yi − ∑ ti ∑ Yi n∑ t2i − ( ∑ ti ) 2 n ∑ Yi = n a + b ∑ ti + c ∑ t2i∑ ti Yi = a ∑ ti + b ∑ t2i + c ∑ t3i∑ t2i Yi = a ∑ t2i + b ∑ t3i + c ∑ t4i Edleide & Andrea (UFBA) Séries 2015.2 25 / 27 MMQ Cálculos Cálculos i t t Y t2 t3 t4 t ∗Y t2 ∗Y 1 2000 1 30,4 1 1 1 30,4 30,4 2 2001 2 31,9 4 8 16 63,8 127,6 3 2002 3 32,4 9 27 81 97,2 291,6 4 2003 4 31,9 16 64 256 127,6 510,4 5 2004 5 32,8 25 125 625 164,0 820 6 2005 6 33,8 36 216 1296 202,8 1216,8 7 2006 7 34,1 49 343 2401 238,7 1670,9 8 2007 8 34,7 64 512 4096 277,6 2220,8 9 2008 9 34,9 81 729 6561 314,1 2826,9 10 2009 10 33,7 100 1000 10000 337,0 3370 Total - 55 330,6 385 3025 25333 1853,2 13085,4 Edleide & Andrea (UFBA) Séries 2015.2 26 / 27 Fim Fim Edleide & Andrea (UFBA) Séries 2015.2 27 / 27 Análise das séries cronológicas: sazonalidade Edleide de Brito e Andrea A. Prudente MAT193 - Introdução à Estatística Econômica Instituto de Matemática Departamento de Estatística Universidade Federal da Bahia 2015.2 Edleide & Andrea (UFBA) Sazonalidade 2015.2 1 / 14 Sazonalidade Sazonalidade Determinação das variações sazonais Para determinarmos a sazonalidade de uma série temporal iremos primeiro remover a tendência através do MMQ e em seguida iremos calcular os desvios: di = yi − ŷi = yobservado − yestimado . Os desvios calculados desta forma conterão as demais componentes da série: di = y −T = S +C + E . As variações sazonais serão encontradas calculando-se as médias mensais (semanais, trimestrais, semestrais, etc. - períodos inferiores a um ano) dos desvios. Edleide & Andrea (UFBA) Sazonalidade 2015.2 2 / 14 Exemplo Notas de Aulas - Pág. 108 Exemplo - Tendência estimada ŷL = 234264+ 14353 t , em que t = 1, . . . , 180. Exemplo - Gráfico observado X estimado Exemplo - Desvio e sazonalidade Exemplo - Sazonalidade Após encontrar os valores para a componente sazonalidade, podemos melhorar as previsões para observações futuras eliminando, além da tendência a componente sazonal. Exemplo - Gráfico final Componentes Componentes Avaliação das variações cíclicas e irregulares Para determinar as variações cíclicas (movimentos longos - maiores ou iguais a um ano), a série temporal deve ser suficientemente longa, para que o movimento seja determinado. As variações cíclicas podem ser eliminadas utilizando os mesmos métodos usados para eliminar a sazonalidade ou utilizando análise de Fourier (ou espectral). Em geral, as séries temporais são analisadas buscando determinar e eliminar as componentes tendência e sazonalidade, pois a maioria das séries temporais não possuem outras componentes periódicas além da sazonalidade. Edleide & Andrea (UFBA) Sazonalidade 2015.2 9 / 14 Componentes Componentes Avaliação das variações cíclicas e irregulares Se as componentes tendência, sazonalidade e variação cíclica forem determinadas e eliminadas da série, sobrará apenas a componente irregular ou aleatória. No nosso curso iremos apenas identificar as componentes tendência e sazonalidade e, relembrando, apenas descrevemos a série temporal, na disciplina Introdução à Econometria, a série será analisada com mais detalhes. Edleide & Andrea (UFBA) Sazonalidade 2015.2 10 / 14 Exercício Os dados a seguir contém os valores trimestrais de vendas (em milhões de reais) de um fabricante de eletrodomésticos. Usando o modelo aditivo obtenha os componentes da série (T e S) e faça a previsão de vendas para os quatro trimestres seguintes. Período Trimestre Vendas 1 I 20 2 II 18 3 III 22 4 IV 24 5 I 24 6 II 22 7 III 26 8 IV 29 9 I 28 10 II 25 11 III 31 12 IV 34 13 I 32 14 II 29 15 III 35 16 IV 38 17 I 36 18 II 32 19 III 40 20 IV 43 21 I 40 22 II 36 23 III 44 24 IV 48 Exercício - gráfico Contas - exercício Trimestre t y y ∗ t t2 I 1 20 20 1 II 2 18 36 4 III 3 22 66 9 IV 4 24 96 16 I 5 24 120 25 II 6 22 132 36 III 7 26 182 49 IV 8 29 232 64 I 9 28 252 81 II 10 25 250 100 III 11 31 341 121 IV 12 34 408 144 I 13 32 416 169 II 14 29 406 196 III 15 35 525 225 IV 16 38 608 256 I 17 36 612 289 II 18 32 576 324 III 19 40 760 361 IV 20 43 860 400 I 21 40 840 441 II 22 36 792 484 III 23 44 1012 529 IV 24 48 1152 576 TOTAL 300 756 10694 4900 MÉDIA 12,5 31,5 Fim Fim Edleide & Andrea (UFBA) Sazonalidade 2015.2 14 / 14
Compartilhar