Ekonometrik analizlerde veri kalitesi kritik öneme sahip. Aykırı değerler ve kirli veriler, modellerin doğruluğunu ciddi şekilde tehdit edebilir. Geleneksel yaklaşımda, bu sorunla başa çıkmak için alt örnekleme yöntemleri kullanılır - yani problematik veri noktaları analiz dışında bırakılır.
Ancak yeni bir araştırma, bu yaklaşımın zaman serisi verilerinde beklenmedik şekilde başarısız olduğunu gösteriyor. Çalışmaya göre, dinamik zaman serisi modellerinde kirlenme, basitçe problematik gözlemleri çıkarmakla çözülemiyor. Bunun nedeni, kirlenmenin modelin kalıntı filtresi boyunca yayılması ve tahmin kriterinin kendisini bozması.
Araştırmacılar bu durumu 'nokta bazlı alt örnekleme ile kalıntı yayılımı arasındaki yapısal uyumsuzluk' olarak tanımlıyor. Kontamine edilmiş gözlemleri kaldırmak, genel olarak temiz hedef fonksiyonu geri getirmiyor ve modelin tutarlılığını sağlamıyor.
Bu soruna çözüm olarak, araştırma ekibi 'yama kaldırma operatörü' adını verdikleri yeni bir yaklaşım geliştirdi. Bu operatör, yalnızca kirli veri noktalarını değil, kirlenmenin kalıntı ayak izini de temizliyor. Uygun koşullar altında, önerilen operatör tahmin edicinin asimptotik özelliklerini temiz veri durumunda değiştirmeden koruyor.
Bu bulgular, özellikle finansal zaman serileri ve makroekonomik verilerle çalışan araştırmacılar için kritik önem taşıyor.