Impact of Structured Outliers on Regression Inference
No Thumbnail Available
Date
2026
Journal Title
Journal ISSN
Volume Title
Publisher
Науково-дослідний центр індустріальних проблем розвитку НАН України
Abstract
У статті досліджено проблему надійності результатів регресійного аналізу за наявності нетипових спостережень. В економетричних дослідженнях такі спостереження можуть траплятися в різних типах даних: макроекономічних, фінансових, регіональних, галузевих, ринкових або ширших соціально-економічних. Їх поява не завжди пов’язана з випадковими помилками чи технічними неточностями. Часто вони відображають кризові періоди, структурні зрушення, неоднорідність досліджуваних об’єктів, концентрацію окремих показників або наявність локальних режимів у даних. За таких умов важливо не лише виявити викиди, а й зрозуміти, як їхня природа впливає на оцінювання коефіцієнтів, статистичні висновки та економічну інтерпретацію моделі. Метою статті є порівняння наслідків різних типів викидів для оцінювання параметрів лінійної регресії. У роботі розглянуто п’ять сценаріїв: випадкові вертикальні викиди, невипадкові вертикальні викиди, спостереження з високим важелем, що узгоджуються з базовою регресійною залежністю, спостереження з високим важелем, що спотворюють цю залежність, а також кластеризовані спостереження з високим важелем, які можуть формувати окремий локальний режим. Методологічною основою дослідження є моделювання методом Монте-Карло з 1000 повторень. Базова модель містить три регресори із заданою кореляційною структурою; один із коефіцієнтів дорівнює нулю. Це дає змогу оцінити не тільки зміщення основного коефіцієнта, а й появу хибного ефекту для змінної, яка за умовами моделі не впливає на результативну ознаку. У статті порівнюються три підходи до оцінювання: звичайний метод найменших квадратів, регресія Губера та метод найменших усічених квадратів. Якість оцінювання аналізується за зміщенням коефіцієнта, середньоквадратичною похибкою, стабільністю знаку, величиною хибного ефекту та частотою появи великих хибних ефектів. Результати моделювання свідчать, що вплив викидів на регресійну модель визначається не лише фактом їх наявності, а й тим, як саме вони виникають. Вертикальні викиди насамперед збільшують варіативність залишків і порівняно добре коригуються регресією Губера. Натомість спостереження з високим важелем потребують окремого тлумачення: якщо вони відповідають базовій регресійній залежності, їх не варто автоматично вважати проблемними. Якщо ж такі спостереження змінюють нахил цієї залежності, вони можуть істотно зміщувати оцінки коефіцієнтів і створювати хибні ефекти для корельованих регресорів. У таких випадках метод найменших усічених квадратів виявляється ефективнішим за регресію Губера. Водночас кластеризовані спостереження з високим важелем залишаються складними для корекції навіть після усікання частини даних, що може вказувати на структурну неоднорідність вибірки. Наукова новизна статті полягає в тому, що різні типи нетипових спостережень порівнюються не лише за їхньою наявністю, а й за характером впливу на економетричне оцінювання. Практична цінність результатів полягає у формуванні орієнтирів для вибору робастного методу. Якщо проблема пов’язана переважно з великими залишками, доцільною є регресія Губера. Якщо ж нетипові спостереження мають високий важіль і змінюють форму регресійної залежності, більш обґрунтованим є застосування методів з усіканням спостережень або проведення додаткового аналізу підгруп і локальних режимів.
Description
Keywords
SOCIAL SCIENCES::Business and economics::Economics, SOCIAL SCIENCES::Business and economics, SOCIAL SCIENCES::Business and economics::Business studies, SOCIAL SCIENCES::Business and economics::Economics::Econometrics
Citation
Manzhos, Tetіana V., and Melnyk, Olha O. (2026) “Impact of Structured Outliers on Regression Inference.” Business Inform 6:233–244. https://doi.org/10.32983/2222-4459-2026-6-233-244