Um analista de marketing quer usar um modelo ARIMA para gerar previsões de curto prazo para as vendas de um produto shampoo. O analista coleta dados de vendas dos três anos anteriores. O analista examinou anteriormente um enredo de séries tempomaisis e o enredo da função de autocorrelação (ACF) para a série. Ambas as gráficos sugerem 1 como ponto de partida para a ordem de diferenciamento não sazonal. Os dados não exibem um padrão sazonal em um gráfico de séries temporais, então o analista opta por começar com um modelo não sazonal. O analista pede previsões para os próximos 3 meses.
Escolha Estat > Séries temporais > Previsão com o melhor modelo ARIMA.
Em Séries, digite Venda.
Em Ordem diferencial d, selecione 1.
Desmarque Incluir o termo de constante nos modelos.
Em Número de previsões, insira 3.
Selecione OK.
Interpretar os resultados
A tabela de seleção de modelos classifica os modelos da pesquisa em ordem pela AICc. O modelo ARIMA(0, 1, 2) tem o menor AICc. Os resultados da ARIMA a seguir são para o modelo ARIMA (0, 1, 2).
Os valores p na tabela de parâmetros mostram que os termos médios móveis são significativos no nível de 0,05. O analista conclui que os coeficientes pertencem ao modelo. Os valores p para as estatísticas modificadas de Box-Pierce (Ljung-Box) são todos insignificantes no nível de 0,05. O ACF dos resíduos e o PACF dos resíduos estão todos dentro dos limites de 0,05 em suas respectivas parcelas. O analista conclui que o modelo atende à suposição de que os resíduos são independentes. O analista conclui que o exame das previsões é razoável.
* AVISO * Modelos ARIMA (p, d, q) não-estimáveis que não incluem um termo constante: (2; 1; 2)
Método
Critério para o melhor modelo
AICc mínimo
Linhas usadas
36
Linhas não usadas
0
Seleção de modelo
Modelo (d = 1)
Log-verossimilhança
AICc
AIC
BIC
p = 0; q = 2*
-197,052
400,878
400,103
404,769
p = 1; q = 2
-196,989
403,311
401,978
408,199
p = 1; q = 0
-201,327
407,029
406,654
409,765
p = 2; q = 0
-200,239
407,251
406,477
411,143
p = 1; q = 1
-200,440
407,655
406,880
411,546
p = 2; q = 1
-201,776
412,884
411,551
417,773
p = 0; q = 1
-204,584
413,542
413,167
416,278
p = 0; q = 0
-213,614
429,350
429,229
430,784
Estimativas Finais de Parâmetros
Tipo
Coef.
EP de Coef
Valor-T
Valor-P
MM 1
1,257
0,132
9,52
0,000
MM 2
-0,882
0,133
-6,62
0,000
Sumário do Modelo
GL
SQ
QM
DPM
AICc
AIC
BIC
33
131017
3970,21
3743,34
400,878
400,103
404,769
Estatística Qui-Quadrado de Box-Pierce (Ljung-Box) Modificada
Lag
12
24
36
48
Qui-Quadrado
15,90
27,15
*
*
GL
10
22
*
*
Valor-P
0,103
0,206
*
*
* AVISO * Modelos ARIMA (p, d, q) não-estimáveis que não incluem um termo constante: (2; 1; 2)
