Este artigo usa modelos lineares e não lineares de Índice de Difusão para prever, um período à frente, a taxa de crescimento trimestral do PIB agrícola brasileiro. Esses modelos são compostos de fatores comuns que permitem redução significativa do número de variáveis explicativas originais. Os resultados de eficiência preditiva apontam para uma superioridade das previsões geradas pelos modelos de Índice de Difusão sobre os modelos ARMA. Entre os modelos de Índice de Difusão, o modelo não linear com efeito threshold superou os resultados do modelo linear e do modelo AR.

This article uses linear and nonlinear diffusion index models to forecast, one step ahead, the quarterly growth rate of Brazilian Agricultural GDP. These models are composed by common factor which allow a significant reduction in the number of the original explanatory variables. After comparing the forecasts of these two models between themselves and with the ones generated by an AR model, used as benchmark, one comes to the conclusion that among the diffusion index models, the nonlinear model with a threshold effect presents a small improvement, in terms of predictive efficiency, in relation to the linear and the AR models.