[pt] Com este trabalho, objetivou-se quantificar as relações entre a demanda de energia elétrica e alguns de seus determinantes na classe Residencial do Brasil. Inicialmente, é feita uma breve discussão sobre o consumo residencial de energia no País ao longo das quatro últimas décadas, a fim de se conhecer o mesmo dentro de um contexto mais amplo. Posteriormente, adotou-se uma modelagem econométrica objetivando estimar as elasticidades-preço, renda e preço de eletrodomésticos. Após identificar que as séries temporais das variáveis estudadas são não estacionárias, optou-se pela utilização do conceito de Cointegração. Em seguida, foram estimados os Modelos de Correção de Erros Vetoriais (VECM) os quais foram utilizados para projetar o consumo de energia elétrica para o período 2011-2020. Num terceiro momento, entendendo o crescimento populacional e o número de domicílios como fatores importantes na determinação do número de unidades consumidoras residenciais e, consequentemente, na demanda de energia elétrica, foi adotado o método Taxa de Chefia baseado no modelo idade-período-coorte (IPC) objetivando projetar a Taxa de Chefia e o número de domicílios que deverão ser atendidos pelas concessionárias de distribuição durante o período 2011-2020. Por fim, diante das informações obtidas junto às referidas projeções, aplicou-se o método de decomposição do índice de Divisia de média logarítmica I (LMDI I) a fim de explicar a variação da demanda de energia sob a ótica de três variáveis, aqui denominadas Consumo Médio, Taxa de Atendimento e Domicílio. / [en] This work aims to quantify the relations between the electricity demand and some of its determinants in the Residential sector of Brazil. To begin with a short discussion is carried out on the Residential energy consumption in the country throughout the last four decades so as to get to know the residential consumption within a wider context. After, we adopted an econometric modeling aiming to estimate price elasticities, income and price of home appliances. As the series of the variables studied were proved non-stationary, the Cointegration approach was adopted. Vector Error Correction Models (VECM) were estimated and used to project the consumption of electric energy during the 2011-2020 period. The third point concerns, understanding the population growth and the number of households as important factors in determining the number of residential consumer units and, consequently, the demand for electricity, has been adopted the method leadership rate based on age-period-cohort model (APC) aiming to projecting the rate at the leadership rate and the number of homes that should be attended by energy concession during the period 2010-2020. Finally, in face of information obtained from these forcasts, we applied the logarithmic mean Divisia index decomposition method I (LMDI I) in order to explain the variation in energy demand on the optics of the three variables, called Average Consumption, Attendance rate and Household.

[pt] Neste trabalho estuda-se, por meio de simulação Monte- Carlo, a importância de duas restrições para a estimação e a previsão do Modelo Vetorial Autoregressivo - VAR, quais sejam: cointegração e características cíclicas comuns, relativas ao longo-prazo e ao curto-prazo, respectivamente. Cabe observar que as restrições cíclicas comuns de curto- prazo consideradas neste trabalho estão na forma fraca (Weak Form - WF), como definido por Hecq, Palma e Urbain (2006). Esta tese tem dois objetivos. O primeiro trata da investigação do desempenho de duas classes de critérios de informação para a seleção dos parâmetros do modelo. O primeiro critério, denotado por IC(p), refere-se ao critério tradicional, enquanto o segundo, denotado por IC (p, s), refere-se ao critério de seleção alternativo como proposto por Vahid e Issler (2002). Quanto aos segundo objetivo, a investigação avalia o desempenho da previsão de três modelos: i) modelo que considera as restrições de cointegração e do tipo WF; ii) modelo que apenas considera as restrições de cointegração e iii) modelo sem restrições. Os resultados indicam que o critério de informação alternativo, IC(p, s), apresenta desempenho superior ao modelo escolhido pelos critérios convencionais IC(p). Em relação ao desempenho da previsão, o modelo que considera as restrições de cointegração e do tipo WF apresenta desempenho predicativo superior. / [en] This paper investigates the importance of two restrictions included in the estimation and the forecasting of the Vectorial Autoregressive - VAR model using simulation Monte- Carlo. Those are the cointegration and the common cyclical characteristics restrictions related to the long run and the short run, respectively. The short run common cyclical restrictions considered in this work are in the Weak Form - WF, as defined by Hecq, Palm and Urbain (2006). This thesis has two main objectives. The first goal deals with performance of two classes of information criteria for the selection of the parameters in the model. The first criterion, denoted by IC(p) refers to the traditional technique, while the second one, denoted by IC(p,s) refers to the alternative selection criterion as proposed by Vahid and Issler (2002). On the concern of the second objective, it evaluates the forecasting accuracy of three models: i) model that considers the cointegration and WF restrictions; ii) model that just considers the cointegration restrictions and iii) model without any restrictions. On balance, the results indicate that the alternative information criterion, IC(p, s), has a better performance than the chosen model using the conventional criteria IC (p). In terms of the forecasting accuracy, the model which considers the cointegration and WF restrictions presents superior predicative performance.