Seleção de modelos por critérios de informação ponderados pelo desempenho dos pressupostos básicos

Resumo

Os critérios de informação (AIC de Akaike, BIC de Schwarz e Cp de Mallows, dentre outros), amplamente utilizados na seleção de modelos matemáticos, baseiam-se no Princípio da Parcimônia, privilegiando modelos que, com menor número de variáveis independentes produzam menores erros. Em que pese os bons resultados obtidos ao longo do tempo, essa diretriz não é garantidora do cumprimento dos pressupostos básicos do Modelo Clássico de Regressão Linear pelo modelo selecionado. A negligência ou mesmo o relaxamento no cumprimento dos pressupostos pode resultar em falsas predições, em que pese ter sido o modelo selecionado como o melhor dentre os demais. Para suprir essa deficiência, propomos um critério de seleção baseado na ponderação dos resultados dos critérios de informação pelo desempenho dos pressupostos básicos. Mediante a aplicação de diversos testes estatísticos, o artigo detalha a construção de indicadores de desempenho para cada pressuposto. Apresentamos o resultado da aplicação da metodologia em dois estudos de caso, atestando a viabilidade e a pertinência da adoção do critério. Esperamos, com isso, ter identificado fatores que comprovem a sua aplicabilidade em perícias complexas ou em disputas em arbitragens, cujo papel de um modelo matemático seja de relevância ao deslinde da questão.