Conteúdo Programático
Módulos utilizados: Forecasting
Objetivo: Melhorar sua previsão utilizando análises de séries temporais. O IBM SPSS Forecasting tem uma interface gráfica que ajuda você analisar informações históricas e prever eventos futuros. Neste curso, você aprenderá os procedimentos padrões para analisar dados de séries temporais, incluindo criar previsões, gerar valores preditores e exibir seus resultados graficamente para ter uma visão geral.
Duração: 3 dias / 18 horas
Pré-requisito: Conhecer o IBM SPSS Statistics for Windows ou ter concluído o Introdução ao IBM SPSS Statistics. Não é necessária experiência em previsão.
Observação: Apostilas e arquivos estão em inglês.
I - Conceitos básicos de Séries Temporais
- Introdução
- O que são Séries Temporais?
- Abrindo um arquivo de dados de séries temporais
- Componentes de tendência, sazonalidade e cíclico
- O que é um Modelo de Séries Temporais?
- Modelos puros x modelos causais
- Intervenções
- Alisamento exponencial
- ARIMA
- Requerimentos dos dados
II - Começar uma Análise de Séries Temporais
- Definindo a Periodicidade das Séries Temporais
- Requerimentos nos Dados para Modelos de Séries Temporais
- Com que freqüência os dados de Séries Temporais deveriam ser coletados
- Definir Datas e Exibir Dados de Séries Temporais no IBM SPSS Statistics
- Lidando com valores ausentes
- O gráfico de sequência
III - Alisamento de dados das Séries Temporais
- Introdução
- Médias Móveis
- Alisamento Robusto
- Comparando os Alisadores
IV - Visualizando possíveis outliers (outliers 1)
- Examinando a série
- Obtendo os dados alisados e os resíduos
V - Construção automática de modelos com o Time Series Modeler
- Desenvolvendo um modelo de previsão
- Ajuste e erro
- Expert Modeler
- Criando um modelo
- Examinando os resultados
VI - Comparando a performance dos modelos
- Medidas de performance dos modelos
- Analisar o erro do modelo num gráfico de seqüência
- Estatísticas de ajuste
- Autocorrelação
- Testando a normalidade dos resíduos
- Dividindo a amostra em sub-amostras de estimação e de previsão
VII - Ajuste de curva simples a dados de Séries Temporais
- Introdução
- Suposições da análise de Regressão
- Regressão para uma série simples
- Outros modelos de estimação de curva
- Comparando a performance dos modelos
- Analisando o erro do modelo num gráfico de seqüência
- Normalidade dos resíduos
- Checando autocorrelação
- Estatísticas de ajuste
- Conclusões sobre a comparação de performances de modelo
- Previsões com modelos de crescimento
- Visualizando previsões num gráfico de seqüência
- Avaliação da estimação da curva
VIII – Modelos de regressão em Séries Temporais
- Análise de Séries Temporais com Regressão
- Análise exploratória
- Regressão linear múltipla em dados de séries temporais
- Testando o modelo
- Séries diferenciadas
- Modelos de Regressão em séries temporais diferenciadas
- Previsão com modelos de Regressão em séries temporais
IX - Alisamento Exponencial
- Introdução ao Alisamento Exponencial
- Tipos de Alisamento Exponencial
- Abordagem recomendada para a modelagem de Alisamento Exponencial
- Um exemplo de análise de Alisamento Exponencial com o Expert Modeler
- Examinando os resultados
- Criando um modelo customizado
- Previsões de Alisamento Exponencial
- Validação das previsões do modelo
X - Modelos ARIMA para Séries Temporais
- Introdução
- O que é ARIMA?
- Modelagem ARIMA
- Identificando o tipo de modelo ARIMA
- Estimando o modelo ARIMA
- Examinando os resultados
- Especificando um modelo ARIMA via sintaxe
XI - Aplicando modelos de séries temporais
- Introdução
- Um exemplo de aplicação: a demanda diária de correio de uma empresa
- Construindo previsões para a série
- Exemplo de aplicação: taxa anual de desemprego nos EUA
- Re-estimação do modelo
XII - Decomposição Sazonal
- O que é Decomposição Sazonal?
- Qual método de decomposição utilizar?
- Os principais usos de Decomposição Sazonal
- Exemplo de aplicação: Decomposição Sazonal Multiplicativa
- Discussão e crítica da Decomposição Sazonal
XIII - Modelando a sazonalidade
- Introdução
- Exemplo: produção mensal de leite em uma fazenda
- Identificando o modelo ARIMA
- Estimando o modelo
- Avaliação dos resultados
- O comando FIT
- Modelando a sazonalidade com Alisamento Exponencial
XIV - Detecção automática de outliers (outliers 2)
- Outliers na Série Temporal
- Tipos de outliers
- Ajustando modelos sem detecção automática de outliers
- Ajustando modelos com detecção automática de outliers
- Séries com outliers múltiplos
XV - Análise de intervenções e eventos
- Intervenções nas Séries Temporais
- Modelando uma intervenção
- Modelagem Naïve: Regressão clássica
- Uso de intervenções como outliers
XVI - Funções de Transferências – variáveis preditoras em séries temporais
- Introdução
- O que é uma Função de Transferência
- Determinando a defasagem do modelo
- Comparando os modelos
- Previsões em modelos com função de transferência
XVI - Automatizando o processo de previsão com séries temporais
- Introdução
- Exemplo de aplicação: número mensal de assinantes de um serviço em banda larga
- Saída dos modelos produzidos
- Aplicando um modelo a diversas séries
|
