ANÁLISIS DE OBSERVACIONES ATÍPICAS (OUTLIERS)

__________________________________________________________________________________

► ¿QUÉ ES UN OUTLIER?

● Es un dato de una serie temporal, que es consecuencia de factores externos a la serie.

► ¿CUÁL ES LA CARACTERÍSTICA ESENCIAL DE UN OUTLIER?

● La característica esencial de un outlier, es que no se conoce con exactitud ni la fecha de inicio del
acontecimiento extraordinario, ni tampoco la duración del mismo.

►ESTADÍSTICAMENTE, ¿CUÁL ES LA CONSECUENCIA FUNDAMENTAL DE UN OUTLIER?

● El hecho de que un dato de la serie sea un outlier implica que dicho dato viola la hipótesis de
normalidad de la serie. En este hecho se basará la técnica estadística para “detectar” la presencia de
outliers en la serie.

__________________________________________________________________________________________

► ¿ES IMPORTANTE LA DETECCIÓN DE LOS OUTLIERS? ¿POR QUÉ?

■ Es muy importante, ya que:

● Permite obtener mejores resultados en la especificación y estimación del modelo.

● Si se contemplan los outliers, las predicciones del modelo serán más acordes con la realidad.

● Se mejora el conocimiento de la serie, así como el estudio de su evolución.

● Al tener en consideración los outliers, pueden verificarse las posibles alteraciones en la estructura
y en las propiedades de los estimadores.

● Se mejora el “análisis de intervención”

● Se mejora la fiabilidad de las predicciones.

_________________________________________________________________________________________

► ¿CUÁNTOS TIPOS DE OUTLIERS SE CONSIDERAN HABITUALMENTE?

● Básicamente existen cuatro tipos de outliers:

■ OUTLIER ADITIVO AO :

● Es un acontecimiento externo a la serie, que incide en un único instante temporal y que se modeliza
mediante una variable ficticia.

● Todo outlier aditivo produce efectos independientes de la evolución de la serie.

■ OUTLIER INNOVACIONAL IO :

● Es un acontecimiento que afecta a la serie a partir de un momento temporal y repercute en los

valores posteriores de la serie.

● Todo outlier innovacional produce efectos ligados a la evolución de la serie.

■ CAMBIO DE NIVEL LS :

● Es un acontecimiento que afecta a la serie a partir de un instante dado y que mantiene su efecto en el
tiempo. (Tiene carácter permanente).

● Todo cambio de nivel produce efectos independientes de la evolución de la serie.

■ CAMBIO TEMPORAL TC :

● Es un acontecimiento que afecta a la serie a partir de un cambio brusco, en un instante determinado,

pero a partir de dicho instante, su efecto se “amortigua” progresivamente. (Tiene carácter
transitorio).

●Todo cambio temporal produce efectos independientes en la evolución de la serie.

_______________________________________________________________________________________

► ¿ES LO MISMO EL “ANÁLISIS DE INTERVENCIÓN” QUE EL ANÁLISIS DE OUTLIERS?

No.

● En el análisis de intervención se conoce a priori la fecha de comienzo, así como la duración del
suceso extraordinario.

● En el análisis de outliers se desconoce a priori la existencia del suceso extraordinario y por tanto se
desconoce la fecha de inicio del mismo, así como su duración.

_______________________________________________________________________________________

► ¿CÓMO SE CONTRASTA UN HECHO PUNTUAL TRANSITORIO, (POR EJEMPLO EL 11-S), QUE NO

TIENE EFECTOS DURADEROS, PERO SE CONOCE LA FECHA DE INICIO Y LA DURACIÓN DEL
EFECTO DEL MISMO?

● Se contrasta mediante una variable ficticia: (ETi ) , que toma el valor 0 en todos los periodos,
excepto en el periodo en el que se produce el acontecimiento, en el cual, la variable toma el valor 1 .

● El modelo que se debería especificar sería: yt  0  1  ETi  ui

H 0 : 1  0
● En dicho modelo se realizaría el contraste:
H1 : 1  0

● Si se acepta H0 : El “efecto del 11-S” no influye de forma transitoria en la variable endógena.

● Si se rechaza H0 : El “efecto del 11-S” sí influye de forma transitoria en la variable endógena.

________________________________________________________________________________________
_________________________________________________________________________________________

► ¿CÓMO SE CONTRASTA EL EFECTO PERMANENTE O DURADERO DE UN DETERMINADO SUCESO

EXTRAORDINARIO?

● Se contrasta, mediante una variable ficticia, pero en este caso, dicha variable tomaría el valor 0 ,
desde el origen hasta el periodo en el que se produce el suceso y a partir de dicho instante, la
variable tomará el valor 1 en todos los periodos posteriores.

● Un posible ejemplo sería contrastar el “Efecto del parque Terra Mítica” sobre las pernoctaciones
producidas en Benidorm.

● En este caso, la variable ficticia: (EPi ) , tomaría el valor 0 desde el origen hasta el periodo de
apertura del parque y el valor 1 , desde dicho periodo en adelante.

● El modelo que se debería especificar sería: y t  0  1  EPi  ui

H0 : 1  0
● En dicho modelo se realizaría el contraste:
H1 : 1  0

● Si se acepta H0 : El efecto “Terra Mítica” no influye de forma permanente en la variable endógena.

● Si se rechaza H0 : El efecto “Terra Mítica” sí influye de forma permanente en la variable endógena.

______________________________________________________________________________________

► ¿CÓMO SE CONOCE EL ESTUDIO DE LOS ACONTECIMIENTOS EXTRAORDINARIOS, CUANDO SE

DESCONOCE LA FECHA Y LAS CAUSAS QUE HAN PROVOCADO DICHOS ACONTECIMIENTOS?

● Se conoce como “ANÁLISIS DE OUTLIERS”

______________________________________________________________________________________

► ¿CÓMO SE REALIZA DESDE UN PUNTO DE VISTA ESTADÍSTICO EL CONTRASTE DE QUE UN VALOR

DE LA SERIE ES UN OUTLIER?

● Si tenemos una serie temporal y t de la cual conocemos su varianza var( y t ) y tenemos una
observación de dicha serie, por ejemplo y 0 y queremos contrastar la hipótesis de que dicha
y0
observación es un outlier, basta plantear el estadístico: 
var( y t )

● El estadístico  converge asintóticamente a una N(0,1) , por lo que trabajando con un nivel de
y0
confianza del 95% , bastará analizar si el valor de: pertenece o no al intervalo
var( y t )
1.96, 1.96 y tendremos que:
 y0
● Si:   1.96, 1.96 
Concluimos que:
 y 0 no es un outlier
var( y t )

y0
● Si:   1.96, 1.96 
Concluimos que:
 y 0 sí es un outlier
var( y t )

NOTA
y0
● La media de la variable y t es 0 , por lo que realmente: , no es más que el valor del outlier
var( y t )
y 0 tipificado.

__________________________________________________________________________________________