Como Detectar e Remover Autocorrelação Temporal em Dados de Acidentes Veiculares

A autocorrelação temporal (também chamada de correlação serial) refere-se à relação entre valores sucessivos (ou seja, defasagens) da mesma variável. Embora tenha sido uma preocupação importante em modelos de séries temporais, ainda faltam tratamentos aprofundados da autocorrelação temporal na modelagem de dados de acidentes de veículos. Este artigo apresenta várias estatísticas de teste para detectar a quantidade de autocorrelação temporal e seu nível de significância nos dados de acidentes. Os testes empregados são: 1) o Durbin-Watson (DW); 2) o Breusch-Godfrey (LM); e 3) o Ljung-Box Q (LBQ). Quando a autocorrelação temporal é estatisticamente significativa nos dados de acidentes, ela pode enviesar adversamente as estimativas dos parâmetros. Assim, se estiver presente, a autocorrelação temporal deve ser removida antes de usar os dados na modelagem de acidentes. Dois procedimentos são apresentados neste artigo para remover a autocorrelação temporal: 1) Diferenciação; e 2) o método de Cochrane-Orcutt.