Analise de Séries Temporais

Análise Descritiva dos dados:
Gráfico da Série temporal original: Inflação do Índice Nacional de preços ao consumidor de 2006 a 2012

Figura 1

Gráfico da serie original com a tendência estimada superposto, e gráfico da componente aleatória para checar a adequação do modelo.

Figura2

Gráficos de todas as componentes da serie original

Figura 3

Usando a função “decompose()” do software R, estimamos as componentes de tendência e sazonalidade (aditiva ou multiplicativa) via medias moveis. Essa função nos mostra que é um modelo ADITIVO. Abaixo temos a saída do R usando a função “decompose” para a série Inflação do Índice Nacional de preços ao consumidor de 2006 a 2012.

Figura 4

A figura 3 é um gráfico onde mostra a inclinação da reta, da Média X Desvio Padrão. Usando esse gráfico vamos tentar confirmar a saída do software R dada acima usando a função “decompose”, que o modelo é o aditivo. Como existem poucos pontos e um ponto discrepante que está aparentemente puxando a reta para cima, vamos fazer um modelo de regressão para confirmamos se o modelo aditivo é o adequado.

Modelo de regressão para confirmar a saída do R, se o modelo é aditivo.

Regression Analysis: StDev versus Mean

The regression equation is
StDev = 0,092 + 0,333 Mean

Predictor Coef SE Coef T P
Constant 0,0917 0,1231 0,74 0,490
Mean 0,3333 0,2762 1,21 0,282

S = 0,0757409 R-Sq = 22,6% R-Sq(adj) = 7,1%

Analysis of Variance

Source DF SS MS F P
Regression 1 0,008353 0,008353 1,46 0,282
Residual Error 5 0,028683 0,005737
Total 6 0,037037

Unusual Observations

Obs Mean StDev Fit SE Fit Residual St Resid 5 0,524 0,4010 0,2663 0,0380 0,1347 2,06R

R denotes an observation with a large standardized residual.

Como p-valor=0,282, é maior que meu