| Resumo: | A presente dissertação consiste na análise de séries temporais especificamente o modelo do tipo SARIMA e análise de regressão múltipla, na modelação e previsão do índice de produção industrial de Cabo Verde. Para aplicação do modelo SARIMA, com base na série mensal de 2014 a 2019, foi verificada a estacionaridade pelo teste Dickey-Fuller (ADF) e KPSS, e a sazonalidade pelo teste de Kruskal–Wallis. O melhor modelo SARIMA foi escolhido com base no Critério de Informação Bayesiano (BIC), Critério de Informação Akaike (AIC) e o Critério de Informação Akaike Corrigido (AICc). A avaliação do modelo baseou-se na análise de resíduos pelo gráfico FAC e FACP e pelo teste de LjungBox. Foi incluído um modelo ARIMA (não sazonal), uma vez que a existência da sazonalidade suscitava dúvidas nas análises prévias. O outro método escolhido neste estudo é a análise do modelo de regressão múltipla. Neste método, primeiramente se verificou a existência de multicolinearidade, isto é, existência de uma correlação forte entre as variáveis independentes e fez-se esta análise pelo método VIF (variance factor inflaction). Posteriormente a avaliação do modelo que foi feita pela análise de resíduos tal como no modelo SARIMA. Neste último, a análise da normalidade foi efetuada pelo teste de Shapiro-wilk e Shapiro-Francia, a independência nos termos do erro pelo teste de DurbinWatson e a homocedasticidade pelo teste de Breusch-Pagan e White. Selecionou-se quatro modelos para previsão do índice de produção industrial de Cabo Verde, sendo três dos modelos SARIMA e um modelo da regressão múltipla. Os modelos se adequam-se aos dados, conforme as análises, e os dados previstos seguem a tendência dos dados originais. Dos quatro modelos, o modelo da regressão múltipla, modelo m3, é o modelo com erros de previsões menores e segue melhor os dados originais, portanto, o modelo que melhor prevê o índice.
|
|---|