UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

FACULDADE DE CIÊNCIAS ECONÔMICAS

TRABALHO SEMESTRAL DE ECONOMETRIA

Relatório de consultoria para uma empresa que deseja saber a previsão de vendas no atacado
para os próximos 3 meses.

Porto Alegre
2019
 Identificação da série

Figura 1: gráfico da série temporal referente às vendas mensais da empresa, no atacado, desde janeiro de
2001.

É possível perceber uma tendência quadratica na série temporal, com uma queda nas
vendas seguido de uma forte alta no numeros mensais da empresa, ao longo do período em
análise. Existe uma sazonalidade aparente no mês 7 de cada ano, devido as vendas para uma
empresa argentina. Para isso, adicionamos uma variável ​dummy para retirar o seu efeito da
série, como poderemos ver a seguir.

Remoção da sazonalidade e tendência

Realizado um MQO com a variável ​dummy, no mês 7, sendo usada como regressora
junto com a constante e as variáveis ​time e ​square time para eliminar a sazonalidade e a
tendência quadrática da série temporal. Dessa forma, ao analisar o resultado fornecido pelo
Gretl, concluimos que os coeficientes são significativos para um nível de 5% de significância,
assim o resíduo foi aceito e salvo como res​.

Figura 2: Painel dos coeficientês da série temporal, após retirado a sazonalidade e a tedência quadrática.

Gerando um gráfico, no Gretl, a partir do resíduo salvo anteriormente, obtivemos a

imagem abaixo, onde encontramos o gráfico da série temporal inicial dessazonalizado e sem
a tendência quadrática encontrada.
 Figura 3: gráfico da série temporal de faturamento dessazonalizado e sem tendência quadrática.

Análise dos resíduos e ajuste da série

Para obtermos a certeza sobre a série ser ou não estacionária vamos realizar o teste de
Dickey-Fuller Aumentado.

Figura 4: painel com o resultado do teste de Dickey-Fuller Aumentado.

Após realizar o teste Dickey-Fuller Aumentado chegamos a conclusão de que

rejeitaremos a hipótese nula de raiz unitária ao nível de 5% significância, visto que o p_valor
foi menor que 0,05. Portanto, a tendência quadrática foi removida da série e ela se tornou
estacionária.
Depois de remover a tendência quadrática vamos realizar a análise do correlograma
dos resíduos a fim de identificar o modelo mais adequado para a série. Ao utilizar 20 lags
obtivemos os seguintes gráficos:
 Figura 5: correlograma dos resíduos.

Após a análise do correlograma, é possível identificar alguns modelos que podem se

ajustar a série. No gráfico da FAC, se nota que há uma queda brusca, logo após o primeiro
lag e um valor signifcativo no terceiro lag. Já no gráfico da FACP, também se observa uma
queda brusca logo após o primeiro lag e um valor significativo no terceiro lag. Isto, nos
mostra que tanto modelos AR como MA podem se adaptar bem a série (devido a queda
brusca em ambos os correlogramas) e, talvez, possa ser usado uma defasagem específica no
primeiro e no terceiro lag destes modelos.

Na tabela abaixo esta a análise de alguns outros modelos para comparação:

Modelo Coeficientes Teste Ljung-Box AIC

AR (1) Significativos Passou 3364,03

0,0615

MA (1) Significativos Passou 3364,78

0,05898

AR (1 e 3) defasagem Significativos Passou 3358,28

específica 0,2377

MA (1 e 3) defasagem Significativos (menor Passou 3362,77

específica correlação no lag 3) 0,0741

ARMA (2,1) Significativos Passou 3363,45

0,1966
AR com defasagem específica (1 e 3):

Figura 4: correlograma dos resíduos.

Teste de Ljung-Box para o AR com defasagem específica (1 e 3):

Como o p_valor é maior que 0,05 (nível de significância de 5%), então não rejeita-se
a hipótese de ser um Ruido Branco. ​O AR com defasagem específica (1 e 3) se mostrou o
melhor modelo, devido a ter o maior valor no teste de Ljung-Box e apresentar o menor AIC.
Após realizar todos os ajustes e testes cabíveis, escolhemos este modelo para a
consequente modelagem e previsão das vendas para os próximos 3 meses;

Modelo final e aplicação da previsão na série

O modelo final ajustado foi:

Y​t ​= 13172,1 − 173,37t​ ​+ 1,01t² + 6411,39 δ 7 + X​t ​,

e X​t ​= 0,25x​t-1 ​− 0,19x​t-3

Onde:
13172,1 = B0 que é valor referente ao
-173,37 = B1, que é o valor referente ao
6411,39 = B2, que é o valor referente ao
0,25 = D1, que é o valor referente ao
-0,19 = D3, que é o valor referente ao

1 - Previsão para os próximos 3 meses:

 Figura 5: gráfico de previsão das vendas para os próximos 3 meses.

Previsão pontual de vendas no atacado para os próximos 3 meses:

Mês 1 2 3

Vendas 19576,0 19392,2 19723,4

Previsão intervalar a 95% de confiança de vendas no atacado para os próximos 3 meses:

Mês 1 2 3

Vendas 17549,0 - 21602,8 17300,4 - 21484,1 17627,4 - 21819,5

Analisando os resultados obtidos com a previsão vemos que os próximos três meses vão
apresentar uma leve variação, mantendo a tendência de alta no número de vendas da empresa.