1 / 10

Econometría II Sesión 6 Observaciones aberrantes

Econometría II Sesión 6 Observaciones aberrantes. Ernesto Sheriff, Ph.D. (c) UPB. Aspectos estadísticos a estudiar en una serie de tiempo. Tendencia Estacionalidad Observaciones aberrantes Varianza que cambia debido a observaciones pasadas ( Heteroscedasticidad condicional)

Download Presentation

Econometría II Sesión 6 Observaciones aberrantes

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Econometría IISesión 6Observaciones aberrantes Ernesto Sheriff, Ph.D.(c) UPB

  2. Aspectos estadísticos a estudiar en una serie de tiempo • Tendencia • Estacionalidad • Observaciones aberrantes • Varianza que cambia debido a observaciones pasadas (Heteroscedasticidad condicional) • No linealidades

  3. Razones • Errores de dedo • Acontecimientos no repetibles • Acontecimientos repetibles • Errores de medición

  4. Efectos • Alteran la lectura de correlogramas • Alteran la propia naturaleza de la serie • Afectan las predicciones

  5. Tratamiento • No existe un común acuerdo de cómo encarar este problema. • No existe conocimiento a priori sobre la observación. • Distribución diferente a los otros puntos • Cambiar el supuesto de distribución de los errores • Reemplazar la modelación de la media por el de la mediana. • En general se busca reducir el impacto de la observación antes que analizar la observación en sí.

  6. Enfoque actual • Ver las observaciones aberrantes como cambios de tendencia, desplazamientos, o cualquier hecho que brinde información para ser explotada en mejorar las predicciones. • El investigador tiene un conocimiento a priori de la ubicación y relevancia de la observación a través de técnicas recursivas.

  7. Modelaciones de las observaciones aberrantes • Outlier aditivo • Dummy en el punto τ y en los siguientes • Innovationoutlier • Error aditivo en τ, dummy solamente en τ • Desplazamiento permanente • Dummy desde τ en adelante • Cambio en tendencia • Dummy en parámetros de t después de τ

  8. Test para observaciones aberrantes • La introducción de dummys según el caso que corresponda asociada al nivel de significación de la dummy es la mejor opción por el momento. • Dependen mucho del conocimiento previo del outlier especialmente sobre su ubicación y su magnitud. • A veces se llega a confundir un desplazamiento con una raiz unitaria con innovación.

  9. Raíces unitarias y observaciones irregulares • Cuando existen observaciones irregulares se puede confundir con la presencia de raíces unitarias. • Se debe efectuar el test de raiz unitaria con el correspondiente cuidado de observaciones aberrantes. • Ello se facilita cuando se tiene la ubicación del outlier. • Cuando no se tiene la ubicación acudir a test recursivos.

More Related