Previsão de demanda de veículos automotores através do modelo de regressão linear múltipla

This study aimed to model a equation for the demand of automobiles and light commercial vehicles, based on the data from February 2007 to July 2014, through a multiple regression analysis. The literature review consists of an information collection of the history of automotive industry, and it has contributed to the understanding of the current crisis that affects this market, which consequence was a large reduction in sales. The model developed was evaluated by a residual analysis and also was used an adhesion test - F test - with a significance level of 5%. In addition, a coefficient of determination (R2) of 0.8159 was determined, indicating that 81.59% of the demand for automobiles and light commercial vehicles can be explained by the regression variables: interest rate, unemployment rate, broad consumer price index (CPI), gross domestic product (GDP) and tax on industrialized products (IPI). Finally, other ten samples, from August 2014 to May 2015, were tested in the model in order to validate its forecasting quality. Finally, a Monte Carlo Simulation was run in order to obtain a distribution of probabilities of future demands. It was observed that the actual demand in the period after the sample was in the range that was most likely to occur, and that the GDP and the CPI are the variable that have the greatest influence on the developed modelEste trabalho teve como objetivo modelar uma equação de demanda por automóveis e comerciais leves novos, com base nos dados de Fevereiro de 2007 a Julho de 2014, através de uma análise de regressão múltipla. A revisão bibliográfica consta de um levantamento histórico sobre a indústria automotiva que contribuiu para o entendimento da atual crise que acomete tal mercado, cuja consequência foi uma grande redução nas vendas. O modelo elaborado foi avaliado através de uma análise residual e também pela realização de um teste de aderência - teste F - com nível de significância de 5%. Além disso, foi encontrado um coeficiente de determinação (R2) de 0,8159, o que indica que 81,59% da demanda por automóveis e comerciais leves pode ser explicada através das variáveis regressoras: taxa de juros, taxa de desemprego, índice de preços ao consumidor amplo (IPCA), produto interno bruto (PIB), e imposto sobre produtos industrializados (IPI). Finalizando, foram testadas outras dez amostras, referentes ao período de Agosto de 2014 a Maio de 2015, no modelo com o objetivo de validar sua qualidade de previsão. Por fim, realizou-se uma Simulação de Monte Carlo com o objetivo de obter uma distribuição de probabilidades de demandas futuras. A partir dela notou-se que a demanda real nos quatro meses posteriores ao período amostral pertenceu ao intervalo com maior probabilidade de ocorrência, e que o PIB e o IPCA são as variáveis que têm maior influência sob o modelo desenvolvid