Intervenções

O que o bloco faz

Marca na série EVENTOS em datas conhecidas — uma lei, uma greve, um dado errado — para o modelo seguinte (series/arima) estimar o efeito de cada um junto com a dinâmica da série. O bloco não ajusta nada: devolve a mesma série, com as intervenções anotadas.

Há três jeitos de declarar várias, e eles se somam:

• várias datas no mesmo bloco, separadas por ; (1975, 1; 1983, 2), todas com o mesmo tipo;
• uma tabela na entrada datas, uma intervenção por linha — a saída do series/detect_interventions liga direto, cada linha com o tipo que a busca achou;
• blocos encadeados, um depois do outro, cada um com o seu tipo. A série que já tem intervenções recebe mais.

É a análise de intervenção de Box e Tiao (1975), com os quatro tipos que a literatura de outliers usa (Fox, 1972; Chen e Liu, 1993; Morettin e Toloi, 2006):

• pulso — o outlier ADITIVO (AO): 1 só na data. Um período fora do lugar, e a série volta como se nada tivesse acontecido.
• degrau — a mudança de NÍVEL (LS): 0 antes, 1 da data em diante.
• rampa — a mudança de INCLINAÇÃO: 0 antes, 1, 2, 3, … a partir da data.
• inovacional — o outlier INOVACIONAL (IO): um choque no ruído da data, que se propaga pela dinâmica do próprio modelo, ψ(B) = θ(B)/φ(B). Num modelo com raiz unitária ele vira um degrau; num AR estável, um eco que se apaga. Por depender do modelo, só existe dentro do ajuste — e é por isso que a intervenção é declarada aqui e estimada lá.

Dinâmica gradual

Com Dinâmica = gradual (pulso ou degrau), o efeito entra pela função de transferência ω/(1 − δB): no primeiro período vale ω, e cada período soma δ vezes o anterior. O pulso gradual se desfaz à razão δ por período (é a mudança temporária, TC, que a detecção usa com δ = 0,7 fixo; aqui δ é estimado); o degrau gradual cresce até o nível de longo prazo ω/(1 − δ). Uma intervenção gradual por modelo.

Tabela de datas

A coluna das datas é a Coluna de data; em branco, a coluna data. Ela pode trazer texto (1983, 2, 1983 fev, 1983 T1, 1913), datas de calendário (série anual, trimestral ou mensal) ou o tempo decimal da série. Se a tabela tiver uma coluna tipo, ela manda sobre o param Tipo, linha a linha; a temporaria da detecção entra como pulso gradual. Linha com data em branco é ignorada.

A data vem de FORA

A data é o que se sabia antes de olhar o gráfico. Escolhê-la pelo maior salto da própria série e depois testá-la é usar o dado que sugeriu a hipótese, e o p-valor sai otimista. Para PROCURAR datas, series/detect_interventions (e trate o que ela achar como hipótese a explicar). Ligar a tabela da busca direto aqui é cômodo, mas os p-valores do modelo seguinte continuam otimistas pelo mesmo motivo.

Logo antes do modelo

A intervenção vale para a série exata em que foi declarada. Um series/transform, series/window ou series/diff DEPOIS dela muda o sentido do efeito, e o series/arima para em vermelho pedindo para trazer os blocos de intervenção para depois da transformação.

Faltantes

Este bloco não aceita faltantes: série com buraco põe o nó em vermelho. Ligue um series/interpolate antes.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

p-valor

A probabilidade de obter um resultado tão extremo quanto o observado, ou mais, se a hipótese nula fosse verdadeira. p-valor pequeno indica dados pouco compatíveis com a hipótese nula; ele não é a probabilidade de a hipótese nula ser verdadeira nem mede o tamanho do efeito.

Resíduo

A diferença entre o valor observado e o valor que o modelo ajustado prevê para aquela observação. É nos resíduos que se conferem os pressupostos do modelo: eles devem parecer ruído, sem padrão.

Transformação da resposta

Aplicar uma função (logaritmo, raiz, potência de Box-Cox) à resposta para aproximar normalidade ou estabilizar a variância. Os resultados passam a valer na escala transformada, e voltar à escala original muda a interpretação.

Nível

Cada valor que um fator assume no estudo: as doses 0, 50 e 100 kg/ha são três níveis do fator dose.

Estacionariedade

Uma série é estacionária quando média, variância e autocorrelação não mudam ao longo do tempo. Muitos modelos (como o ARIMA) a supõem; séries com tendência costumam ser diferenciadas até ficarem estacionárias.

Pressupostos

• A data da intervenção é conhecida de antemão, e não escolhida pelo maior salto da própria série: escolhê-la pelo dado e testá-la no mesmo dado torna o p-valor otimista.

  Verificar:Série no tempo

  Se falhar: Para procurar datas, series/detect_interventions ou series/pettitt; trate o achado como hipótese e confirme em outra série ou período.

• O tipo descreve a forma do efeito: um período (pulso), nível que muda e fica (degrau), inclinação que muda (rampa), choque que segue a dinâmica do ruído (inovacional) ou efeito que cresce ou se desfaz à razão δ (gradual, |δ| < 1). Forma errada deixa o efeito nos resíduos.

  Verificar:Série no tempoResíduos

  Se falhar: Olhe os resíduos do series/arima perto da data; troque o tipo ou a dinâmica e compare os AIC com models/select.

• Fora da intervenção, a série é um ARIMA estável da ordem do modelo, com a mesma dinâmica antes e depois.

  Verificar:Recortar períodoARIMA / SARIMADiferenças necessárias

  Se falhar: Identifique a ordem no trecho anterior (series/window → series/arima automático) e fixe-a no modelo com a intervenção.

• A intervenção é declarada na série que vai ao modelo: transformação, recorte ou diferença depois dela mudariam o sentido do efeito (o series/arima recusa).

Parâmetros

• datas (entrada, opcional) — tabela com uma data por linha (e, se quiser, o tipo de cada uma).
• Datas — o período, como 1983, 2 (fevereiro de 1983) ou só o ano numa série anual; várias separadas por ;. Precisa haver ao menos uma observação antes de cada uma. Pode ficar em branco se a tabela vier ligada.
• Coluna de data — a coluna da tabela com as datas; em branco, data.
• Tipo — pulso (AO), degrau (LS, padrão), rampa ou inovacional (IO).
• Dinâmica — imediata (padrão) ou gradual (ω/(1 − δB)); só pulso e degrau.

Valor

A mesma série (series/ts), com as intervenções declaradas. Cada coeficiente sai no series/arima com o nome do tipo e da data (degrau_1983_fev).

Exemplos

tr_flow(reg) |>
  tr_add("sb", "series/example", dataset = "Seatbelts$drivers") |>
  tr_add("log", "series/transform", from = "sb") |>
  tr_add("lei", "series/intervencao", data = "1983, 2", tipo = "degrau", from = "log") |>
  tr_add("arima", "series/arima", automatico = FALSE, p = 1L, d = 0L, q = 0L,
         P = 1L, D = 1L, Q = 1L, constante = FALSE, from = "lei") |>
  tr_add("coef", "models/coefficients", from = "arima")