Outlier detection and adjustment

Time series are often subject to the influence of non-repetitive events. Economic variables make here no exception. For example, the announcement and implementation of new regulations, major changes in economic policy or in the tax legislation, and similar events may cause substantial disturbances in economic time series. The presence of outliers may lead to wrongly identified models and inappropriately estimated model parameters giving rise to poor forecasts and erroneous conclusions. In the past, these problems had mostly to be ignored, because simple yet efficient techniques for the treatment of outliers did not exist. The situation improved slightly whenBox-Tiao (1975) proposed intervention analysis. However, the fact that a detailed knowledge of the structure of the series to be analysed is required for a successful application of this technique, is a severe restriction for its use in practical work. But, in the meantime, there exist already techniques which solve the outlier problem more or less automatically. For a detailed discussion of these techniques and their computer implementation seeChen-Liu-Hudak (1990). It is the aim of this paper to gain information on the reliability of these methods in practical situations. For this purpose, we apply them in the analysis of three Austrian economic time series, namely retail sales, purchases of durables, and car purchases. We believe that these series are well suited for our objective. They are strongly contaminated by outliers and, additionally, there already exist sophisticated intervention models which can serve as benchmarks in the comparison.

---

Zusammenfassung Realisationen von Zeitreihen werden von Sonderfaktoren oft stark beeinflußt. Beobachtungen von ökonomischen Größen sind davon nicht ausgenommen. Die Ankündigung und das Inkraftsetzen neuer Verordnungen, größere Änderungen in der Wirtschaftspolitik oder der Steuergesetzgebung und ähnliche, Ereignisse können Anlaß für beträchtliche Verzerrungen in ökonomischen Zeitreihen sein. Das Auftreten solcher Ausreißer führt zu falsch identifizierten Modellen und schlecht geschätzten Modellparametern, was sich letztlich in ungenauen Prognosen und falschen Empfehlungen für die Wirtschaftspolitik niederschlägt. Bisher wurde die Existenz einer Ausreißerproblematik bestenfalls in einer Fußnote angemerkt, ansonsten aber ignoriert, weil das notwendige Instrumentarium für eine erfolgversprechende Behandlung des Problems fehlte. In der Zwischenzeit wurden Verfahren für die Ausschaltung von Ausreißern entwickelt, die in der vorliegenden Arbeit auf ihre praktische Brauchbarkeit getestet werden. Wir wenden diese Verfahren auf drei ökonomische Zeitreihen, nämlich Einzelhandelsumsätze, Kauf von dauerhaften Konsumgütern und Autokäufe an. Diese Zeitreihen werden deshalb gewählt, weil sie eine Anzahl von Ausreißern aufweisen, deren Ursache, Datierung und Größenordnung bekannt ist. Es läßt sich somit überprüfen, ob die getesteten Verfahren in der Lage sind, diese Ausreißer aufzuspüren und zu eliminieren.