Este repositório visa armazenar as análises desempenhadas no âmbito do programa de pesquisa 2015 do FFEB.
Antes de iniciar confira se os pacotes xlsx,readxl, forecast e reshape2 estão instalados. Caso contrário execute
install.packages(c("xlsx", "readxl", "forecast", "reshape2"))O pacote tsDyn deve ser instalado por meio do comando
devtools::install_github("fjuniorr/tsDyn", subdir = "tsDyn")Para ter acesso ao conteúdo das estimações execute todo o conteúdo do arquivo main.R. Para que não haja problemas com o working directory abra o arquivo ffeb-2015.Rproj no RStudio como um projeto.
A execução do arquivo main.R chama oito scripts (todos armazenados em ./src/) e gera diversas variáveis. Segue abaixo uma breve descrição de cada um dos scripts e variáveis criadas.
01_read_data.R
Esse script lê a base de dados armazenada em ./data-raw e realiza um breve tramento nos dados armazenando as séries temporais em uma lista rcl onde cada posição está identificada pela sigla do estado (em caixa ALTA). Portanto com rcl[["MG"]] é possível acessar a RCL do estado de Minas Gerais.
01_read_data.R também cria as variáveis in_sample_rcl e out_sample_rcl que possuem a mesma estrutura da lista rcl mas compreendem respectivamente o período jan/2003-abril/2013 e maio/2013-dez/2014. Alguns estados não possuem a série completa da RCL e portanto suas amostras de estimação e validação são diferentes (AP, RR e PI).
Por fim, o vetor states armazena a sigla de todos os estados.
02_adjust_series.R
Esse script define a função adjust_series() que será utilizada para aplicar as transformações nas séries originais. Essa função recebe como paramêtros uma série temporal e uma variável binária que indica se deve ser aplicada uma diferenciação de ordem 1 na série. Além disso, ela também efetua uma transformação logaritmica e uma dessazonalização por médias móveis para sazonalidade aditiva.
A função retorna uma lista com 4 itens, quais sejam, a série original (original_ts), a série com as transformações pertinentes (seas_adj_ts) (logaritmo, diferenciação e dessazonalização aplicados nesta ordem), os índices mensais gerados na dessazonalização (figure) e uma variável binária que indica se a série original foi diferenciada (is_dif).
O script também usa a função previamente definida para definir as variáveis seas_adj_dif_ln_rcl e seas_adj_ln_rcl. O acesso a cada posição da lista é realizado da mesma forma que a variável rcl (ie. seas_adj_dif_ln_rcl[["MG"]]), a diferença nesse caso é que existem quatro séries que podem ser acessadas com o operador $. Ou seja, para acesso aos índices mensais de dessazonalização, o comando seas_adj_dif_ln_rcl[["MG"]]$figure é utilizado.
03_01_naive.R,03_02_rw.R,03_03_ets.R,03_04_arima.Re03_05_star.R
Cada um desses scripts realiza as previsões para os modelos indicados no nome do proprio script. Cada script gera dois data.frames para armazenamento dos resultados, um com as previsões (modelo_forecast) e um com as medidas de acurácia calculadas mensalmente para todo o período (modelo_accuracy).
04_export_data
Esse script gera os data.frames consolidados com as informação de todos os estados (dt_forecast e dt_accuracy). Além disso, ele exporta as informações para planilhas excel localizadas em /data/.
main.R
O scrit main efetua um source em todos os scripts descritos acima para gerar os resultados da análise.
05_results
Esse script, ainda em construção, será utilizado para exploração dos resultados. A única função já definida (forecas_plot) permite a construção de um gráfico da execução e previsão da rcl para um determinado estado com a sintaxe forecast_plot("MG").