Teste de Ljung-Box (Autocorrelação)
Calcula a estatística do teste de Ljung-Box, que verifica se uma série temporal apresenta autocorrelação — ou seja, se os valores carregam memória dos valores passados em vez de serem independentes. Em vez de olhar uma defasagem por vez, ele combina as autocorrelações de várias defasagens numa única estatística que segue aproximadamente uma qui-quadrado. É o teste padrão para checar se os resíduos de um modelo ARIMA viraram ruído branco. Informe a série e o número de defasagens.
Resultado
—
Teste de Ljung-Box (Autocorrelação)
Calcula a estatística do teste de Ljung-Box, que verifica se uma série temporal apresenta autocorrelação — ou seja, se os valores carregam memória dos valores passados em vez de serem independentes. Em vez de olhar uma defasagem por vez, ele combina as autocorrelações de várias defasagens numa única estatística que segue aproximadamente uma qui-quadrado. É o teste padrão para checar se os resíduos de um modelo ARIMA viraram ruído branco. Informe a série e o número de defasagens.
Os resíduos ainda guardam padrão ou viraram ruído?
Depois de ajustar um modelo a uma série temporal, a pergunta decisiva é se sobrou estrutura nos resíduos. Se sobrou, o modelo deixou informação na mesa. O teste de Ljung-Box responde isso de uma vez, olhando não para uma defasagem isolada, mas para o conjunto das primeiras defasagens da autocorrelação.
A estatística soma os quadrados das autocorrelações até a defasagem escolhida, cada uma ponderada de forma a dar mais peso às defasagens mais confiáveis. Se a série fosse ruído branco puro, essas autocorrelações seriam todas próximas de zero e a soma ficaria pequena; estrutura remanescente infla o valor de Q, que segue aproximadamente uma qui-quadrado com graus de liberdade iguais ao número de defasagens.
Informe a série e o número de defasagens a examinar. A ferramenta devolve a estatística Q e os graus de liberdade. Uma escolha comum de defasagens é algo em torno do logaritmo do tamanho da amostra, ou um valor que cubra a sazonalidade esperada. Use-a tanto para checar resíduos de modelos ARIMA quanto para testar se uma série bruta tem memória.
Ferramentas Relacionadas
Teste de Tendência de Mann-Kendall
Calcula o teste de Mann-Kendall, usado para detectar tendência monotônica (de alta ou de baixa) numa série temporal sem assumir que os dados são normais ou que a tendência é linear. Ele soma os sinais de todas as comparações par a par entre os valores: se a série tende a subir ao longo do tempo, predominam os sinais positivos. É muito usado em hidrologia, climatologia e meio ambiente para avaliar tendências em séries longas. A estatística S vira um z pela aproximação normal, com correção de empates. Informe a série em ordem cronológica.
Teste Q de Cochran
Calcula o teste Q de Cochran, a extensão do teste de McNemar para três ou mais tratamentos binários medidos nos mesmos sujeitos. Imagine perguntar a cada pessoa se ela aprova três produtos diferentes (sim/não): o teste verifica se a proporção de aprovação difere entre os produtos, respeitando o fato de serem os mesmos respondentes. É, na prática, a versão para respostas dicotômicas do teste de Friedman. A estatística Q segue aproximadamente uma qui-quadrado. Informe os sujeitos com tratamentos 0/1.
Teste H de Kruskal-Wallis
Calcula o teste H de Kruskal-Wallis, a versão não paramétrica da ANOVA para comparar três ou mais grupos independentes. Assim como o Mann-Whitney faz para dois grupos, ele trabalha com as posições (ranks) dos dados em vez dos valores brutos, dispensando a suposição de normalidade. A estatística H segue aproximadamente uma distribuição qui-quadrado. É a escolha quando os dados são ordinais ou claramente não normais. Informe os grupos: valores por vírgula, grupos por ponto e vírgula.
Os resultados desta ferramenta têm caráter apenas informativo e educativo e não constituem aconselhamento profissional, financeiro, médico, jurídico, tributário ou contábil. Confirme decisões importantes com um profissional qualificado e fontes oficiais.