[R-br] Modelo linear com autocorrelação

[Cesar Rabak]

Paulo,

Considerando que você está com duas modelagens de processos completamente
diferentes, qual é o seu racional para aferir a « . . . diferença
relativamente grande nos coeficientes estimados do modelo a partir da
inclusão. »?

Além da questão mais matemática da análise estatística que você está
encetando, você está tentando detectar uma correlação temporal nos seus
dados a partir de duas medidas derivadas de indicadores econômicos e
entende que a variação trimestral é apropriada para elas?

--
Cesar Rabak




2016-12-21 17:39 GMT-02:00 Paulo Dick via R-br <r-br em listas.c3sl.ufpr.br>:

> Caros colegas,
>
> Gostaria da ajuda de vocês com um problema, que tem um pouco de novidade
> para mim.
>
> Possuo uma série de 19 resultados agregados por trimestre, para os quais
> espero que haja uma estrutura de correlação temporal. Gostaria de fazer um
> modelo linear que relacione a variável y (média de rendimentos) às
> variáveis x1 (medida derivada do salário mínimo) e x2 (medida derivada do
> PIB). Pensei em fazer um autorregressivo de ordem 1, de acordo com a
> estrutura a seguir (omiti algumas passagens das saídas):
>
> dados <- structure(list(periodo = structure(1:19, .Label = c("2012_01", "2012_02",
> "2012_03", "2012_04", "2013_01", "2013_02", "2013_03", "2013_04",
> "2014_01", "2014_02", "2014_03", "2014_04", "2015_01",
> "2015_02", "2015_03", "2015_04", "2016_01", "2016_02", "2016_03"), class
> = "factor"), y = c(733.384601, 744.827647, 753.5034207, 753.1709712,
> 768.7507878, 777.6006481, 791.1782806, 791.9151729,
> 811.0964066, 780.0872518, 767.3666407, 793.1892722, 812.0534955, 797.8992735,
> 786.6962087, 776.6167214, 781.8815115, 778.9038465, 783.0461686), x1 =
> c(8.569195652, 8.466388156, 8.389005478, 8.243063605,
> 8.786043379, 8.665048836, 8.619304392, 8.494686625, 8.877923393, 8.69843061,
> 8.641290323, 8.512972168, 8.971745386, 8.727847168, 8.587190411,
> 8.386888367, 9.078997556, 8.915777833, 8.8), x2 = c(163.19,
> 167.97, 173.63, 171.91, 167.62, 174.71, 178.42, 176.29, 173.51, 174.02,
> 177.27, 175.74, 170.41, 168.87, 169.24, 165.62, 161.17, 162.82, 164.38)),
> .Names = c("periodo", "y", "x1", "x2"), row.names = c(NA,
> -19L), class = "data.frame")
>
> > # Modelo sem correlacao
> *> summary(lm(log(y) ~ x1 + x2, data = dados))*
>
> [...]
> Coefficients:
>              Estimate Std. Error t value Pr(>|t|)
> (Intercept) 5.4405431  0.3047514  17.852 5.47e-12 ***
> x1          0.0884444  0.0234849   3.766  0.00169 **
> x2          0.0026444  0.0009688   2.730  0.01484 *
> ---
> Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
>
> > # Modelo com correlacao
> *> summary(gls(log(y) ~ x1 + x2, data = dados, correlation =
> corARMA(p=1)))*
> [...]
> Correlation Structure: AR(1)
>  Formula: ~1
>  Parameter estimate(s):
>       Phi
> 0.8897408
>
> Coefficients:
>                Value Std.Error   t-value p-value
> (Intercept) 6.025572 0.3182184 18.935334  0.0000
> x1          0.042154 0.0168588  2.500400  0.0237
> x2          0.001515 0.0012822  1.181606  0.2546
>
>
> Estranhei a diferença relativamente grande nos coeficientes estimados do
> modelo a partir da inclusão. Graficamente, testei fazer apenas com x1 e o
> modelo pareceu não ter ajuste "bom".
> plot(log(y) ~ x1, dados); abline(gls(log(y) ~ x1, data = dados,
> correlation = corARMA(p=1)), col="blue")
>
> Ficou então a dúvida se procedi corretamente na sintaxe do modelo (ou na
> definição do modelo?). O que acham?
>
> Agradeço desde já.
>
> Abraços
>
> *Paulo Dick*
> Estatístico / Epidemiologia em Saúde Pública
> Tel.: (55 21) 99591-2716
>
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
> código mínimo reproduzível.
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20161221/5ed3d6c2/attachment.html>