Академический Документы
Профессиональный Документы
Культура Документы
DISSERTAÇÃO DE MESTRADO
PROFISSIONALIZANTE EM ADMINISTRAÇÃO
BANCA EXAMINADORA:
_____________________________________________________
Professor LUIZ FLAVIO AUTRAN MONTEIRO GOMES
Ibmec - RJ
_____________________________________________________
Professor FERNANDO NASCIMENTO DE OLIVEIRA
Ibmec - RJ
_____________________________________________________
Engenheiro ALBINO LOPES D`ALMEIDA
Petrobras S.A.
DEDICATÓRIA
AGRADECIMENTOS
Muitos foram os que me ajudaram a desenvolver esse projeto. Tento aqui nesse espaço
listá-los todos. Agradeço ao meu orientador, Luiz Flavio Autran Monteiro Gomes, por ter
aceitado meu convite para me auxiliar e guiar no desafio de elaborar um trabalho acadêmico
que tivesse real contribuição na prática organizacional cotidiana. Agradeço a meu gerente, na
Petróleo Brasileiro S.A., Waldir H. C. Arruda, que advogou pelo patrocínio desta pesquisa
junto aos principais representantes da organização, a qual concedeu o apoio financeiro
integral para o desenvolvimento e conclusão deste projeto. Agradeço a meus colegas desta
empresa, Nelson Paim e Luiz Kaner, que me ajudaram muito durante a fase de pesquisa.
Agradeço a Cida Reis da Anfavea, Maria Helena do Instituto Nacional de Meteorologia e
André Lopes Macedo do IBGE pela ajuda a obtenção de dados necessários ao
desenvolvimento dessa pesquisa.
RESUMO
O objetivo dessa pesquisa foi verificar a possibilidade propor um modelo de previsão para a
demanda por óleos básicos lubrificantes no mercado brasileiro, a partir de pesquisa de
modelos já existentes e entrevistas com especialistas da área. Esse modelo tem como
principal finalidade, auxiliar os gestores e profissionais que trabalham neste mercado a
tomarem melhores decisões com foco a melhorar o desempenho e resultados financeiro,
mercadológico e operacional de suas organizações. Além da previsão em si, espera-se que o
modelo também ajude a identificar variáveis que afetam o consumo deste mercado, gerando
conhecimento para estes profissionais como agregação de valor secundário. Foram realizadas
regressões múltiplas utilizando o método de mínimos quadrados ordinários para atingir os
objetivos esperados. Os resultados encontrados, para o caso brasileiro, mostraram que o
método utilizado não gera uma previsão eficaz, talvez pelo fato de haver muitos elos na
cadeia de valor até o consumo final de lubrificantes acabados.
ABSTRACT
The objective of this research was to verify the possibility to propose a forecasting model for
the demand of basic oils in the Brazilian market, beginning from already existing models for
the same products and interviews with specialists of that market. The main goal of this model
is to help managers and professionals who work with those products to make better decisions
focusing on improving their organizations performance and results in financial, marketing and
operational areas. Besides forecasting itself, it is expected that model can help to identify
variables which may affect this market consuming, creating knowledge for those
professionals as a secondary value added. Multiple regressions using the ordinary least
squares method were developed for reaching the proposed goals. The reached results have
showed that the used method for Brazilian Market has not come to make a effective
forecasting, perhaps because there are several steps in the value chain until the consuming of
lubricants.
LISTA DE ABREVIATURAS
GTL – Gas-to-Liquid
LISTA DE FIGURAS
LISTA DE TABELAS
Tabela 10: Testes de robustez – Inclusão das variáveis dos especialistas – Parte 2 60
SUMÁRIO
1. INTRODUÇÃO 14
1.1. CONTEXTUALIZAÇÃO 14
1.1.1. O Problema de Administração 16
1.2. OBJETIVO 16
1.3. JUSTIFICATIVA 17
1.4. O CASO DE ÓLEOS BÁSICOS LUBRIFICANTES 18
1.4.1. O Produto 18
1.4.2. O Mercado Brasileiro 21
2. REVISÃO TEÓRICA 26
2.1. MODELOS DE REGRESSÃO MÚLTIPLA 26
2.2 A PESQUISA DE MODELOS PARA DEMANDA DE ÓLEOS BÁSICOS 27
2.2.1 O Modelo da Administração de Energia dos Estados Unidos 27
2.2.2. O Modelo de Zaugg 31
2.2.3. Pesquisa de Variáveis Dependentes Adicionais 31
2.2.3.1. A Atividade Econômica 31
2.2.3.2. O Período de Trocas 32
2.2.3.3. O Consumo de Outros Derivados de Petróleo como Variáveis Dependentes 32
2.2.3.4. A Produção de Veículos como Variável Dependente 34
2.2.3.5 Questões de Sazonalidade no Consumo de Óleos Básicos 34
2.3. CONCEITOS DE ECONOMETRIA APLICADOS NA REGRESSÃO MÚLTIPLA
DE DADOS EM SÉRIES TEMPORAIS 35
2.3.1. Componentes Presentes em Dados de Séries Temporais 36
xiii
“... sem uma previsão total de mercado, as decisões sobre investimento, o apoio de
marketing e outras alocações de recursos vão se basear em suposições ocultas e
inconscientes sobre as necessidades de todos os segmentos, e elas sempre estarão
erradas.” (HUTT & SPEH, 2002).
1.1. CONTEXTUALIZAÇÃO
Ainda no que concerne a relação dados e informações com a boa tomada de decisão,
existe uma área de pesquisa chamada marketing engineering que busca justamente
desenvolver modelos para tomada de decisão em marketing utilizando dados ao invés de pura
intuição
Uma breve análise desta área mostra que um dos grandes problemas enfrentados pelo
marketing nos últimos anos é o ceticismo e mesmo a má vontade de profissionais de outras
áreas das mais diversas organizações, a cerca de seu desempenho e contribuição para os
resultados financeiros das empresas.
Deve-se isso ao fato de que as decisões de marketing ainda estão sendo tomadas, em
grande parte, de forma puramente intuitiva, sem que sejam utilizadas informações geradas a
partir de aplicação de ferramentas de análise de dados. Não que a intuição não seja um
componente integrante do processo de tomada de decisão, mas decidir somente de forma
intuitiva pode levar as organizações a caminhos desastrosos (CLANCY & KRIEG, 2007).
1.2. OBJETIVO
prazo deve ser entendido como um período de três a doze meses e médio prazo como até vinte
e quatro meses (ARRUDA, 2007).
Espera-se que o modelo proposto seja resultado de uma regressão múltipla o que, além
de buscar atender o objetivo da previsão em si, possa gerar a identificação e conhecimento de
variáveis como, por exemplo, o crescimento econômico, o aumento de atividade de
determinado setor ou outras que apresentem correlação com demanda pelo grupo de produtos,
objeto desse estudo e, qual o grau dessas potenciais correlações.
1.3. JUSTIFICATIVA
Existem vários benefícios empresarias que em princípio podem ser gerados se for
alcançada uma boa proposta no final desta pesquisa:
Outro fator que encoraja o caminhar por modelos econométricos, a princípio com foco
no de causa e efeito, é a existência de muitos trabalhos já desenvolvidos na área de petróleo e
energia utilizando essa metodologia, seja no Brasil ou no exterior (WANKE, 2004).
1.4.1. O Produto
Os tipos de óleos são classificados segundo o seu índice de viscosidade. Quanto maior
esse índice, melhor é a qualidade do produto. O índice de viscosidade é a propriedade que
mede a variação de viscosidade de um óleo de acordo com a variação da temperatura a que é
submetido.
160
120
Viscosidade (IV)
80
40 Óleo C
Óleo B
0 Óleo A
0 50 100 150 200 250 300 350
o
Temperatura C
Figura 1: Gráfico com exemplificação de índice de viscosidade.
Grupo I 85 – 95 ≥ 0,03
No Brasil, as refinarias da Petrobras são as únicas que fabricam esses produtos. Elas
utilizam a rota solventes, detalhada na figura 2, que atualmente é considerada uma tecnologia
obsoleta se comparada com as demais porque somente consegue gerar produtos que se
classificam no grupo I. Outro problema desse processo é que o mesmo demanda petróleo com
altos teores de parafinicidades, e esse tipo de petróleo corresponde a somente cinco por cento
do total produzido no mundo, ou seja, com pouca disponibilidade (ABADIE, 2007).
Outros
12%
Industria
28%
Automotivo
60%
CO
10%
NE
12%
N SE
6% 52%
S
20%
0
40.000
80.000
120.000
jan/91
jan/92
jan/93
jan/94
jan/95
jan/96
jan/97
jan/98
jan/99
jan/00
jan/01
jan/02
jan/03
jan/04
Figura 7: Série histórica de demanda mensal por óleos básicos no Brasil
jan/05
jan/06
jan/07
25
26
A revisão teórica está dividida em três partes: a modelagem com regressão múltipla, a
pesquisa de modelos de demanda por óleos básicos lubrificantes já desenvolvidos e propostos,
e, conceitos de econometria utilizados para regressão de dados em séries temporais aplicados
nessa pesquisa.
Onde:
− β0 é uma constante.
− µt é o erro da regressão.
outros derivados de pequeno consumo, que são: solventes, querosene, gasolina de aviação e
parafinas. Nesse mix de produtos, o volume de óleos básicos lubrificantes responde por
aproximadamente 48% do volume total da cesta.
A primeira variável foi testada para observar a correlação entre o consumo do produto
e a atividade industrial, que pode ser interpretado como um sinalizador, proxy, da atividade
econômica do país.
A variável de T e as variáveis binarias, para cada mês, foram utilizadas para modelar
a tendência e a sazonalidade, que são componentes presentes em praticamente todas as séries
econômicas, juntamente com o ciclo e o erro (MELLO, 2007).
O modelo da EIA foi o único encontrado que pode ser totalmente apresentado na
pesquisa, uma vez que não somente as variáveis dependentes foram listadas, mas também o
período da amostra e os seus principais resultados estatísticos foram publicados. Dessa
maneira, para agregação de possíveis novas variáveis para uma modelagem mais robusta,
foram listadas potenciais variáveis baseadas na opinião de especialistas do setor.
30
T - 0,002314 -14,00
R2 0,7748
R2 Ajustado 0,7544
Durbin-Watson 1,8503
Tabela 2: Resultados Estatísticos do Modelo da EIA
31
a) O PIB do país;
especialistas que afirmam que essa relação é claramente defasada, ou seja, não ocorre
simultaneamente. O argumento para sustentação dessa posição é que a expansão da atividade
econômica é planejada antecipadamente. As indústrias investem em aumento de capacidade
produtiva através de aquisição de máquinas para atenderem um crescimento de demanda por
seus produtos, que deverá ocorrer em alguns períodos no futuro. No momento da instalação
dos novos equipamentos, que representa o aumento da capacidade produtiva, já há o consumo
de lubrificantes, mas a produção e entrega somente ocorrerá alguns períodos em frente
(CAVALCANTI e DAVIDOVICH, 2007).
O consumo de dois derivados de petróleo pode ser utilizado para substituir o PIB
como indicador de atividade econômica (KANER, 2007). São eles o óleo diesel e a gasolina.
No caso do segundo, deve ser adicionado o consumo de álcool combustível e GNV, uma vez
que ambos substituem parte ou totalmente a gasolina como fonte de energia para veículos
automotivos com motores de quatro tempos.
33
O consumo de óleo diesel é a melhor variável para substituir o PIB uma vez que
apresenta fortíssima correlação com o mesmo. Essa afirmação é sustentada porque esse é o
combustível utilizado para a plantação e colheita da safra, através de tratores e outras
máquinas, e transporte de seus produtos tanto por rodoviária quanto ferroviária. Todos os
veículos utilizados para esse fim consomem óleo diesel. Além da questão que envolve a
atividade primária, o nível de consumo de óleo diesel também é um forte indicador da
atividade industrial porque a logística da entrega de produção de manufaturados também
utiliza o transporte rodoviário, em bem maior quantidade, e ferroviário (ROCCO, 2007).
Quando o governo investe em obras públicas, principalmente pavimentação rodoviária, o
consumo desse combustível eleva-se, uma vez que o transporte de asfalto demanda veículos
especiais movidos a óleo diesel que além de movimentação em si, utilizam energia para
manutenção de temperatura alta do produto, em torno de 55º. C Celsius (CAVALCANTI e
SOARES).
Para o consumo de óleos básicos lubrificantes, o desempenho dessa indústria deve ser
analisado de forma isolada, adicionalmente ao desempenho global da economia. O principal
motivo é que as montadoras, durante o processo de produção dos veículos automotivos, têm
que equipá-los com a carga adicional desse produto. Desse modo, se a economia do país não
atravessa um bom momento de desempenho, mas a produção de automóveis encontra-se
aquecida, esse último fator contribui de forma positiva para o consumo do produto, e há a
percepção de que o contrário também acontece (CAVALCANTI e DAVIDOVICH, 2007).
Para explicar o primeiro efeito, é necessário citar que no Brasil há várias safras
durante todo o ano e em praticamente todas as regiões do país. A maioria delas se concentra
no segundo semestre. Além disso, as indústrias tendem a ter um desempenho maior nesse
semestre em relação ao primeiro, para atingimento de suas metas, tanto financeiras quanto de
produção (ROCCO, 2007).
Quanto ao segundo efeito de sazonalidade nos dois últimos meses do ano fiscal, ele
ocorre porque as fábricas que compram os óleos básicos para transformarem em lubrificantes
acabados, buscam terminar o ano com níveis baixos de estoque para melhorarem seus
resultados contábeis. É comum inclusive que as mesmas ofereçam férias coletivas nessa época
do ano para seus empregados (PAIM, KANER, ROCCO, 2007).
d) O erro corresponde aos movimentos explicados por causas fortuitas, que não sejam
explicados pelos fatores anteriores e que apresentem comportamento aleatório
(ESCÁRIA, 1995).
37
Um dos requisitos que duas ou mais séries que sejam regredidas devem apresentar é que
sejam estacionárias. Para que uma séria seja estacionária ela deve ter as seguintes
propriedades:
E(Yt) = μ ...(2)
Para verificação da condição de uma série ser estacionária ou não estacionária, deve-se
aplicar o teste para averiguar se a mesma possui uma raiz unitária (HALKOS e KEVORK,
2005).
38
Onde o termo µt possui uma distribuição normal com média condicionada igual a zero e
variância constante. Dessa maneira, esse termo é homocedástico e não possui correlação serial
(MELLO, 2007).
Onde o valor de Y no instante t (Yt ) será igual a uma constante (β0) mais o valor de Y
defasado em um período (Yt-1) mais um termo de erro. Quando o termo ׀ρ ׀for menor que um,
então as condições (2), (3) e (4) não são violadas e existe uma condição de estacionaridade.
Contudo, quando ׀ρ ׀é igual a um, então as condições anteriores são violadas, pois a média e
a variância mudam com o tempo. Por isso essa questão é conhecida como Raiz Unitária
(GUJARATI, 2006).
Para detecção da existência de raiz unitária os testes mais amplamente utilizados são:
Dickey-Fuller (DF), Dickey-Fuller Aumentado (ADF) e Phillips-Perron (PP) (HALKOS e
KEVORK, 2005). Apesar do procedimento de aplicação dos testes para verificação de
existência de raiz unitária serem comumente utilizados, há críticas em relação aos seus
resultados pois, se por um lado, séries não estacionárias podem gerar o problema da regressão
espúria, por outro lado existe a hipótese deles indicarem que uma série estacionária é,
incorretamente,classificada como não estacionária e aí, ao proceder com técnicas para sua
correção, suas propriedades de correlação serão modificadas (GUJARATI, 2006) Há inclusive
39
autores que defendem que esses tradicionais testes, DF, ADF e PP já não deveriam mais ser
utilizados devido a sua baixa potência (MADDALA, 1998).
Para utilização de séries temporais não estacionárias é necessário que as mesmas sejam
transformadas em séries estacionárias. Isso pode ser feito utilizando-se a primeira diferença da
série, conforme a seguir:
Outra maneira de se utilizar séries não estacionárias é verificar se as mesmas podem ser
co-integradas. Duas ou mais séries podem ser consideradas co-integradas se o resíduo
resultante da regressão das mesmas não apresentar raiz unitária. Nesse caso, diz-se que a
combinação linear delas anula suas tendências e, conseqüentemente, não há o fenômeno da
regressão espúria. Quando as séries são denominadas co-integradas, conclui-se que as mesmas
apresentam uma relação de equilíbrio no longo prazo (GUJARATI, 2006).
Outra questão que deve ser observada na regressão múltipla com séries temporais é
correlação serial ou autocorrelação dos erros. Ela é definida como a correlação entre
integrantes de séries de dados observados no tempo (GUJARATI, 2006).
quaisquer um dos termos µt , qualquer que seja t, se correlacionarem com quaisquer Xtn,
haverá uma relação de contemporaridade endógena. Essa condição faz com que os resultados
dos βn coeficientes possam ser viesados, levando a resultados espúrios (WOODRIGDE,
2002).
O teste mais amplamente utilizado para detecção de correlação serial nos erros é o
desenvolvido por Durbin e Watson em 1951. Para séries onde se rejeita a hipótese de
existência de correlação serial, o resultado deste teste é d ≈ 2. Contudo, assim como a questão
da existência de raiz unitária, há também outros testes que, juntamente com este primeiro
mencionado, têm seus resultados criticados por permitirem a possibilidade de identificação de
existência de correlação serial em regressões que não a apresentam (MITTLEHAMMER,
2000).
41
3. METODOLOGIA
Para realização das modelagens, com base no modelo da EIA e no direcionamento dos
especialistas desse mercado, foram coletadas as seguintes variáveis quantitativas, em
periodicidade mensal, , sendo que dentro dos parênteses, está inserido seu código para
simplificação de entendimento nessa pesquisa:
Foram também criadas doze variáveis binarias, sendo uma para cada um dos meses de
fevereiro a dezembro (D1, D2,..., D12), uma binaria para representar o segundo semestre do
ano (S2) e uma variável de tendência linear (T) que foi utilizada no modelo básico.
Tais informações foram, então, solicitas à Petrobras. Foi disponibilizada a série mensal
de consumo no mercado nacional, em m3, no período de janeiro de 2001 a fevereiro de 2007,
constituindo 74 observações.
A maioria das amostras das variáveis independentes foi coletada em fontes públicas
disponíveis na internet. As não disponíveis foram solicitadas às organizações reconhecidas,
detentoras desses dados.
43
A temperatura média mensal não é uma série que esteja publicada para livre consulta.
Para obtenção desses dados, foi necessário o contato com o INMET e o INPE. Apenas o
primeiro instituto continha os dados, tendo os enviado em forma eletrônica através de CD.
Foram construídas duas séries separadas, sendo a primeira para o diesel e a segunda
para os outros.
importados desde 1999. Como a série da variável dependente vinha desde 1991 foi enviada
uma correspondência eletrônica para o CEDOC da ANFAVEA solicitando os dados no
período desejado. A organização os enviou através da gestora da biblioteca os quais tiveram
que ser tabulados em planilha eletrônica manualmente (ANFAVEA, 2007).
3.3. MODELAGEM
Para a realização da modelagem, além dos testes com as variáveis em seus valores
absolutos, as mesmas foram testadas em suas formas logarítimicas, exceto as variáveis
binarias, por tal procedimento não fazer sentido. A forma logarítmica apresenta duas
vantagens: a primeira é a de reduzir a dispersão, aumentando a probabilidade de obtenção de
uma distribuição Gaussiana dos erros da regressão, a segunda é refletir os impactos das
variáveis sobre as outras na forma de variação (MELLO, 2007). Para efeito de nomenclatura,
foi acrescido um prefixo L, como por exemplo, LX1 para a forma logarítmica da série X1
O terceiro passo foi realizar testes de existência de raiz unitária nas séries para
verificar se as mesmas eram estacionárias ou não estacionárias.
Na tabela 4 estão dispostos os resultados dos testes. Nas colunas com nome Variável
estão listadas as variáveis, suas formas logarítimicas, suas formas dessazonalizadas e as
formas logarítimicas dessazonalizadas. Nas colunas de nome Teste ADF estão listados os
resultados de cada variável. O primeiro número de cada célula corresponde ao resultado
crítico do teste estatístico Dickey-Fuller Aumentado para a respectiva série, e o segundo, ao
valor para um intervalo de confiança de 0,05. Na terceira linha foram colocadas a abreviação
N R H0, quando o resultado significa que não se pode rejeitar a hipótese de que existe raiz
unitária, ou R H0 que significa que pode se rejeitar a hipótese de que existe raiz unitária.
Na quinta regressão, que tem seus resultados dispostos na segunda coluna da tabela 6,
o resultado para verificação da hipótese de co-integração é semelhante aos obtidos na primeira
e terceira regressões.
Os testes de robustez têm como objetivo verificar alterações que possam melhorar um
modelo baseado na inclusão de novas variáveis, mudança da forma ou ainda, utilizando-se
períodos amostrais diferentes com as mesmas variáveis para verificar se a mudança de
amostra causa algum impacto significativo nos resultados.
Nesta pesquisa, foram realizados três procedimentos maiores para efeito de testes de
robustez:
não significativos e a equação como um todo também, corroborada pelo resultado do teste F
de valor 1,34.
resultados não significativos assim como a regressão de forma geral também não apresentou o
seu resultado significativo.
55
No terceiro teste, foi incluída uma terceira variável referente à produção industrial
com dois períodos de defasagem, com os resultados dispostos na quarta coluna da tabela 9. O
coeficiente da variável de produção industrial continuou apresentando resultado significativo,
mas os coeficientes da mesma variável com um e dois períodos de defasagem tiveram
resultados não significativos. O resultado do teste F indica que o resultado da modelagem foi
significativo e o R2 ajustado indica que a relação explica 3,8% dos casos da amostra.
No quinto teste foi retirada a variável referente ao consumo de óleo diesel e incluída a
referente ao consumo de motores de ciclo Otto. Os resultados estão dispostos na sexta coluna
da tabela 9. Os resultados foram bastante semelhantes aos da regressão anterior indicando que
58
também pode haver uma relação de forte colinearidade entre a variável incluída e a referente à
produção industrial.
resultados na segunda coluna da tabela 10. Nessa regressão, o coeficiente da variável referente
ao consumo de motores de ciclo Otto voltou a apresentar resultado significativo. A sua
interpretação é que para cada variação de um ponto percentual no consumo de motores de
ciclo Otto, há uma variação de aproximadamente 0,68% na demanda de óleos básicos
lubrificantes. Já o resultado do coeficiente da variável incluída teve resultado não
significativo. O teste F indica que a modelagem tem um resultado significativo e o valor do R2
ajustado mostra que essa relação ocorre em aproximadamente 3,8% dos casos.
Quanto aos demais períodos defasados testados, os mesmos apresentam uma relação
inversa com a demanda por óleos básicos, ou seja, o consumo no passado reduz a procura
pelo produto no período t. Essa relação parece fazer total sentido, pois existe de uma maneira
geral a prática de estocagem maior que um mês por parte dos agentes que atuam nesse
61
4. CONCLUSÕES E RECOMENDAÇÔES
Como último teste, foi verificado o impacto do consumo de óleos básicos em períodos
anteriores na demanda presente e futura. Os resultados foram estatisticamente significativos,
mais do que os resultados encontrados somente com a regressão de variáveis independentes,
mencionadas nos parágrafos anteriores. Concluiu-se que, aparentemente, os consumos
referentes ao primeiro, segundo e terceiro períodos defasados geram algum impacto na
demanda. É válido destacar que, a inclusão da variável correspondente ao índice de produção
da indústria, junto com as defasadas citadas, resulta na regressão com os resultados mais
significativos. Mas ainda assim pode ser questionada, uma vez que não parte de um modelo já
proposto, havendo a probabilidade de existir o problema da subespecificação e,
conseqüentemente, a presença de coeficientes viesados.
65
Para próximas pesquisas, que tenham como objetivo a verificação de quais variáveis
possuem boa correlação com a demanda de óleos básicos lubrificantes, é recomendado que se
tente verificar a relação entre as variáveis citadas pelos especialistas com cada tipo de óleo
básico lubrificante, de forma individual, e não com os mesmos de forma agregada. Se forem
achados níveis de correlação satisfatórios, então poderá ser verificada a possibilidade de se
fazer previsões para cada um deles e agregá-las de forma a construir uma curva única para a
demanda por esses produtos no Brasil.
Além de métodos quantitativos, há métodos qualitativos que podem ser utilizados para
previsão de demanda. Um deles que é amplamente utilizado é o Delphi, que consiste na
obtenção de previsão, através de sucessivas entrevistas e painéis com especialistas em uma
determinada variável que se deseja prever (AHAMD e ISMAIL, 2003). Outra técnica pode ser
a utilização de métodos de decisão multicritério como, por exemplo, o Processo de Análise
Hierárquica, sigla em inglês AHP. Neste caso podem ser determinados vários cenários de
previsão juntamente a critérios que os suportam e, mediante comparação, se chegar a uma
solução final (BELDERRAIN e SILVA, 2007).
66
REFERÊNCIAS BIBLIOGRÁFICAS
AKABAY, Charles K.; WANG, George C.S. Autocorrelation: Problems and Solutions in
Regression Modelling. The Journal Business of Business Forecasting Methods and Systems.
New York. Winter 94/95. v. 13, Issue 4, p 18-27. 1995.
AHAMAD, Maizh H.; ISMAIL, Zuhaimy Haji. Delphi Improves Sales Forecasts: Malaysia´s
Electronic Companies´ Experience. Journal of Business Forecasting Methods and Systems.
New York. Summer, 2003. v. 22, Issue 2, p 22-26.2003
CHAN, Albert P.C.; CHEUNG, S.O.; LAM, Patrick T.I.; TAM, C..M.; YUNG, A.
Application of Delphi Method of Procurement Systems for Construction Projects.
Construction Management and Economics, v. 19, Issue 7, p 699-718. 2001.
CHAN, Hing Ling. LEE, Shu Kam. Modelling and Forecasting the Demand for Coal in
China. Energy Economics. V. 19, Issue 3. 271 -287. 1997.
67
CLANCY, Kevin J.; KRIEG, Peter C. Marketing Contra-intuitivo. Rio de Janeiro: Ed.
Campus, 2007.
GOMES, Luiz F.A.M. Teoria da Decisão. São Paulo: Thompson Learning, 2007.
HUTT, Michael D.; SPEH, Thomas W. B2B: Gestão de Marketing em Mercados Industriais e
Organizacionais. Porto Alegre: Bookman, 2002.
68
LEEFLANG, Peter S.H.; NAERT, Philippe A.; WEDEL Michael; WITTINK Dick R.
Building Models for Marketing Decisions. Boston: Kluwer, 2000.
WANKE, Peter. Uma Revisão dos Principais Modelos de Regressão Múltipla para Previsão
de Vendas de Postos de Combustíveis In:Rio Oil and Gás Expo and Conference 2004. Rio de
Janeiro, 2004.
WHITBY, David. Entrevista com R David Whitby por meio eletrônico – Professor de Oxford
da Área de Conhecimento de Mercado de Lubrificantes. Realizada em 1 de novembro de
2007.
GLOSSÁRIO
Heterocedasticidade:
Característica que ocorre quando a distribuição dos erros de uma regressão múltipla não são
normalmente distribuídos.
Método Delphi:
O método Delphi consiste em coletar a opinião de especialistas sobre um assunto em que se
deseja estabelecer uma estratégia ou previsão. As opiniões dessas pessoas são coletadas
individualmente e analisadas. Numa segunda rodada é apresentada a elas a análise de todas as
opiniões, e novamente coletada novas opiniões depois que foram influenciados pelas análises.
As rodadas e coletas se sucedem até que se atinja um ponto comum. Durante o processo pode
ocorrer que algum especialista não seja mais consultado por ficar muito distante dos outros.
Modelos ARMA
São modelos univariados, isto é, que possuem somente uma variável, onde a previsão é feita
considerando os valores da variável dependente no passado e os valores dos resíduos dessa
variável também no passado.
Redes Neurais:
Sistemas que buscam copiar o funcionamento do cérebro humano e que são capazes de,
mediante valores dados no passado de uma determinada variável, aprender com eles e prever
valores para o futuro. Nesse caso a estrutura montada para a rede neural e a lógica utilizada
são fatores importantes para o resultado.
71
Vetor Autoregressivo:
Um modelo de duas ou mais séries temporais no qual cada variável é modelada como uma
função linear de todos os valores passados de todas as variáveis, mais erros com média zero,
incluindo todos os valores passados de todas as variáveis