Analise-de-Regressao-com-Dados-do-SGS-Bacen-em-Python-e-Jupyter

PythonJupyter REGRESSÃO C DADOS DO SGS BACEN Analise de Regressão O primeiro passo é acesso a base ao API do Sistema Gerador de Séries SGS do Bacen para acessar a URL padrão conforme a sequência abaixo Regressão 433 27841 IPCA M 1 httpswww3bcbgovbrsgspublocalizarserieslocalizarSeriesdomethodpre pararTelaLocalizarSeries Regressão Vamos importar as bibliotecas módulos e pacote pertinentes panálise Além dos tradicionais Pandas Numpy e Matplotlib importaremos também Seaborn biblioteca de visualização de dados do Python baseado no Matplotlib Ele fornece uma interface gráfica de alto nível para gráficos estatísticos mais informativos Statsmodels Módulo do Python que fornece classes e funções para estimar diferentes modelos estatísticos Stats do Scipy Módulo que contém uma ampla gama de distribuições de PBDD função de correlação testes estatísticos etc Comando para definir previamente o tamanho dos gráficos Regressão Após as importações você pode colar a URL do SGS que possui formato json no seu Jupyter e pedir para o método read do Pandas digitando pdreadjsonurl No exemplo com dados do INPC cód16121 Regressão Para não ficar copiando diferentes URLs para cada dado a ser buscado podese montar uma configuração geral de busca via códigos 1 Definição da função consultabc via def nome da strings dentro do parênteses 2 URL Bacen Usamos para inserir formato vazio ou genérico e formatcodigobcb O format serve basicamente para criar uma string que contém campos entre chaves que são substituidos pelos argumentos de format Portanto repare que os campos de substituição na string que estão entre chaves estão associadas aos parâmetros do método format 3 Dataframe do Pandas ler os dados da URL 4 A coluna data do SGS está no formato original DMA Usamos o método Pandas todatetime ptransformar em AMD 5 dfsetindex Define a coluna data como index 0123 e usamos inplace True se quisermos confirmar as alterações no dataframe 6 Return função retorna ao df Regressão Agora basta confirmar a busca via códigos Regressão Vimos que muitos dados iniciam sua base em momentos distintos Por isso precisamos indexar para mesma base Abrimos um DataFrame vazio M1index0 indexa os dados para a série de início mais recente no caso M1 A partir disso todos os dados são indexados para iniciar a partir de startdate usando a função loc Regressão Regressão Simples Construindo as variáveis Plotandoas graficamente axis x y definição do tamanho dos eixos x e y Scatterxy plotagem em pontos xlabel x Marcação de qual variável vai no eixo x ylabel y Marcação de qual variável vai no eixo y show plotar Regressão Comandos pEstimação Método do statsmodels que forma a constante fit método estatístico de ajuste do modelo Atribui valor a regressão por OLS Regressão Quadro de resultados da Regressão Regressão Regressão Múltipla columnstack agrupamento de colunas Formação da constante Regressão Resultados OLS Regression Results Dep Variable M1 Rsquared 0936 Model OLS Adj Rsquared 0935 Method Least Squares Fstatistic 1126 Date Wed 28 Jul 2021 Prob Fstatistic 385e137 Time 174810 LogLikelihood 14860 No Observations 234 AIC 3052 Df Residuals 230 BIC 3180 Df Model 3 Covariance Type nonrobust coef std err t Pt 0025 0975 const 18688 0205 9107 0000 1463 2271 x1 08917 0031 28556 0000 0830 0953 x2 01804 0052 3455 0001 0078 0283 x3 17456 0171 10209 0000 2083 1409 Omnibus 92899 DurbinWatson 0180 ProbOmnibus 0000 JarqueBera JB 295999 Skew 1710 ProbJB 531e65 Kurtosis 7319 Cond No 335 Warnings 1 Standard Errors assume that the covariance matrix of the errors is correctly specified Regressão Correlações Matriz deVarCov Regressão Regressão em Log nplog método Numpy para transformar todo o vetor M1 em log Regressão x npcolumnstackx1 x2 x3 x smaddconstantx reg3 smOLSyxfit reg3summary OLS Regression Results Dep Variable M1 Rsquared 0943 Model OLS Adj Rsquared 0942 Method Least Squares Fstatistic 1267 Date Tue 20 Jul 2021 Prob Fstatistic 110e142 Time 114704 LogLikelihood 15136 No Observations 234 AIC 2947 Df Residuals 230 BIC 2809 Df Model 3 Covariance Type nonrobust coef std err t Pt 0025 0975 const 07265 0057 12787 0000 0615 0838 x1 02539 0009 29326 0000 0237 0271 x2 00037 0014 0256 0798 0025 0032 x3 05469 0047 11532 0000 0640 0453 Omnibus 23229 DurbinWatson 0132 ProbOmnibus 0000 JarqueBera JB 27666 Skew 0839 ProbJB 983e07 Kurtosis 3140 Cond No 335