¿Cómo superar los valores atípicos en los datos de las series temporales?

Question

¿Cómo superar los valores atípicos en los datos de las series temporales? ¿Hay alguna referencia que mencione que para analizar datos de series temporales estacionales no deben existir valores atípicos?

Si utilizo SAS 9.3, las estadísticas de Bartlett no muestran ningún período estacional. Si utilizo JDEMetra+ (sin tener en cuenta ningún valor atípico), muestra que hay una tendencia estacional pero no un periodo. ¿Alguna sugerencia sobre lo que debería hacer a continuación?

Answer 1

Los valores atípicos pueden aparecer en cualquier serie temporal. http://docplayer.net/12080848-Outliers-level-shifts-and-variance-changes-in-time-series.html debería aumentarse para considerar los pulsos estacionales, por ejemplo, si tiene 144 observaciones mensuales y no hubo ningún pulso estacional para diciembre durante los primeros 6 años, PERO sí un efecto significativo de diciembre durante los últimos 6 años. Desgraciadamente, SAS no detecta la presencia de un pulso estacional que comienza después del inicio de la serie. Si desea publicar sus datos, podría serle de más ayuda.

Esencialmente, los valores atípicos pueden "superarse", es decir, acomodarse identificándolos y, a continuación, incorporando series predictoras ficticias para proporcionar el ajuste. Este análisis exploratorio de los datos conduce naturalmente a encontrar las posibles razones de la "anomalía". El truco consiste en identificar tanto la estructura ARIMA como los valores atípicos SIMULTÁNEAMENTE, en lugar de suponer que no hay valores atípicos y construir un modelo ARIMA para identificar lo que se supone que no existe en el primer paso.