Ökonometria PhD 10 - outlier adatok kezelése (Eviews11)

Zhrnutie prednášky

Prednáška sa venuje spracovaniu odľahlých pozorovaní (outlierov) v ekonometrických modeloch v programe EViews 11. Rozlišuje aditívne outliery, inovačné outliery (zhlukovanie extrémnych hodnôt počas kríz s rastúcim rozptylom) a outliery typu level shift (posun úrovne, napríklad pri zavedení kurzového stropu franka). Outliery skresľujú p-hodnoty a ukazovateľ RMSE v lineárnych modeloch, no pri makroúdajoch ich nemožno jednoducho vymazať, pretože by vznikol problém chýbajúcich údajov; odporúča sa dummy premenná. Lektor kritizuje pravidlo 2–3 smerodajných odchýlok a uprednostňuje robustnejší Tukeyho plot založený na kvantiloch. V EViews ukazuje diagnostiku Influence statistics (DFFITS, hat matrix, covariance ratio), ktorá identifikuje 2009 Q1 a 2008 Q3 ako odľahlé obdobia, a po pridaní dummy premennej sa menia významnosti ostatných koeficientov.

• - Outlier je pozorovanie, ktoré sa výrazne odlišuje od väčšiny dát alebo nezodpovedá predpokladanému rozdeleniu.
• - Typy outlierov: aditívny, inovačný (zhlukovanie v krízach, rastúci rozptyl) a level shift (posun úrovne, napr. kurzový strop franka).
• - Outliery skresľujú p-hodnoty a RMSE v lineárnych modeloch, informačné kritériá sú voči nim menej citlivé.
• - Pri makroúdajoch sa outliery nemajú mazať, lebo vzniká problém chýbajúcich údajov; odporúča sa dummy premenná.
• - Tukeyho plot (25. a 75. percentil) je robustnejší než pravidlo 2–3 smerodajných odchýlok.
• - EViews: Stability diagnostics → Influence statistics (DFFITS, hat matrix, covariance ratio) odhalili 2009 Q1 a 2008 Q3 ako outliery.
• - Po pridaní dummy premennej sa zmenila významnosť koeficientov (inflačná medzera, výmenný kurz), čo ukazuje citlivosť modelu na outliery.

Zhrnutie pripravené s pomocou AI z prepisu videa.