 Técnicas Robustas y No Robustas para Identificar Outliers en el Análisis de RegresiónDarwin Ugarte Ontiveros () and
Marcela Aparicio
Investigación & Desarrollo, 2020, vol. 20, issue 1, 41-56 pages Abstract: Verificar si los resultados de un modelo de regresión reflejan el patrón de los datos, o si los mismos se deben a unas cuantas observaciones atÃpicas (outliers) es un paso importante en el proceso de investigación empÃrica. Para este propósito resulta aún común apoyarse en procedimientos (estándares) que no son eficaces para este propósito, al sufrir del denominado "masking effect", algunos de ellos sugeridos incluso en los libros tradicionales de econometrÃa. El presente trabajo pretende alertar a la comunidad académica sobre el peligro de implementar estas técnicas estándares, mostrando el pésimo desempeño de las mismas. Asimismo, se sugiere aplicar otras técnicas más idóneas sugeridas en la literatura sobre "estadÃstica robusta" para identificar outliers en el análisis multivariado. Para facilitar la aplicación de las mismas, el trabajo pone a disposición de la comunidad académica un programa en Stata del tipo do-file para identificar y categorizar outliers basado en el trabajo de [1]. Simulaciones de Monte Carlo dan evidencia de la aplicabilidad de la misma. Keywords: Outliers; EstadÃstica Robusta; Análisis de Regresión; Stata. (search for similar items in EconPapers) Downloads: (external link) Related works: Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text Persistent link: https://EconPapers.repec.org/RePEc:iad:wpaper:0320 Access Statistics for this article More articles in Investigación & Desarrollo from Universidad Privada Boliviana Contact information at EDIRC. |
Is your work missing from RePEc? Here is how to contribute.
Questions or problems? Check the EconPapers FAQ or send mail to .
EconPapers is hosted by the
School of Business at Örebro University.