Universität Hohenheim
 

Eingang zum Volltext

Marczak, Martyna ; Proietti, Tommaso

Outlier detection in structural time series models : the indicator saturation approach

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:100-opus-9955
URL: http://opus.uni-hohenheim.de/volltexte/2014/995/


pdf-Format:
Dokument 1.pdf (486 KB)
Dokument in Google Scholar suchen:
Social Media:
Delicious Diese Seite zu Mister Wong hinzufügen Studi/Schüler/Mein VZ Twitter Facebook Connect
Export:
Abrufstatistik:
SWD-Schlagwörter: Strukturwandel , Zeitreihe
Freie Schlagwörter (Englisch): Indicator saturation , seasonal adjustment , structural time series model , outliers , structural change , general–to–specific approach
Institut 1: Institut für Volkswirtschaftslehre
Institut 2: Forschungszentrum Innovation und Dienstleistung
DDC-Sachgruppe: Wirtschaft
Dokumentart: ResearchPaper
Schriftenreihe: FZID discussion papers
Bandnummer: 90
Sprache: Englisch
Erstellungsjahr: 2014
Publikationsdatum: 15.09.2014
 
Lizenz: Hohenheimer Lizenzvertrag Veröffentlichungsvertrag mit der Universitätsbibliothek Hohenheim ohne Print-on-Demand
 
Kurzfassung auf Englisch: Structural change affects the estimation of economic signals, like the underlying growth rate or the seasonally adjusted series. An important issue, which has attracted a great deal of attention also in the seasonal adjustment literature, is its detection by an expert procedure. The general–to–specific approach to the detection of structural change, currently implemented in Autometrics via indicator saturation, has proven to be both practical and effective in the context of stationary dynamic regression models and unit–root autoregressions. By focusing on impulse– and step–indicator saturation, we investigate via Monte Carlo simulations how this approach performs for detecting additive outliers and level shifts in the analysis of nonstationary seasonal time series. The reference model is the basic structural model, featuring a local linear trend, possibly integrated of order two, stochastic seasonality and a stationary component. Further, we apply both kinds of indicator saturation to detect additive outliers and level shifts in the industrial production series in five European countries.

    © 1996 - 2016 Universität Hohenheim. Alle Rechte vorbehalten.  10.01.24