Outliers in Binary Choice Models

Abstract

This paper focuses on the problem of outliers in binary choice models. It is show that identifying outliers as observation with a residual close to one in absolute value might be misleading and outlier detection procedures should rely on influence measures on the fit. Two scalar measures are derived to evaluate the influence of each observation as well as the influence of a group of observations on i) the vector of estimated parameters and ii) the vector of estimated probabilities. Also, the method proposed by Peña and Yohai (1995) to treat the problem of masking in linear models has been generalized to the case of binary choice models. A small Monte Carlo study analyzes the performance of a11 measures and an empirical application presents a diagnostic strategy for detection of outliers.

Este trabajo trata el problema de la presencia de observaciones extremas en modelos de elección binaria. Se muestra que identificar como atípicas observaciones con residuos próximos a uno, en valor absoluto, puede resultar erróneo y que los procedimientos de detección de estas observaciones deberían basarse en medidas de influencia sobre el ajuste. Se proponen dos medidas para evaluar la influencia de cada observación así como para un grupo de observaciones sobre: i) El vector de parámetros estimados y ii) el vector de las probabilidades estimadas. También, se ha generalizado al caso de modelos de elección binaria, el método propuesto por Peña y Yohai (1995) para tratar el problema de enmascaramiento en modelos lineales. Con un pequeño estudio de Monte Carlo se analizan las propiedades de las medidas propuestas y una aplicación empírica presenta una estrategia para la detección de medidas extremas.