TÉCNICAS ROBUSTAS Y NO ROBUSTAS PARA IDENTIFICAR OUTLIERS EN EL ANÁLISIS DE REGRESIÓN

Verificar si los resultados de un modelo de regresiA³n reflejan el patrA³n de los datos, o si los mismos se deben a unas cuantas observaciones atA­picas (outliers) es un paso importante en el proceso de investigaciA³n empA­rica. Para este propA³sito resulta aAon comAon apoyarse en procedimientos (estAindares) que no son eficaces para este propA³sito, al sufrir del denominado "masking effect", algunos de ellos sugeridos incluso en los libros tradicionales de econometrA­a. El presente trabajo pretende alertar a la comunidad acadA©mica sobre el peligro de implementar estas tA©cnicas estAindares, mostrando el pA©simo desempeA±o de las mismas. Asimismo, se sugiere aplicar otras tA©cnicas mAis idA³neas sugeridas en la literatura sobre "estadA­stica robusta" para identificar outliers en el anAilisis multivariado. Para facilitar la aplicaciA³n de las mismas, el trabajo pone a disposiciA³n de la comunidad acadA©mica 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.