As determinantes locais da paradiplomacia: o caso dos municípios ...

contam com uma. Esses casos reaparecerão depois do logit rodado e ficará mais claro quais as
probabilidades envolvidas.
Existe ainda uma discussão sobre como tratar os influential cases, já que eles tendem
a enviesar o modelo, ou seja, tendem a diminuir a capacidade preditiva da regressão. Uma das
formas mais utilizada é a exclusão dos casos atípicos; no entanto, essa solução não se justifica
se a intenção é a melhoria per se do modelo. Se eles existirem por apenas um erro de inclusão
de dados, talvez seja o caso de encontrar os dados corretos.
Há também idiossincrasias que podem levar a essa classificação de outliers (por
exemplo, um PIB extremamente elevado em uma cidade devido a royalties de petróleo) e que
não têm relação com erros do pesquisador. Este último motivo, parece ser o caso do presente
estudo e, a princípio, não há motivos embasados para retirá-los do modelo. Soma-se a isso, o
fato apontado anteriormente da falta de consistência da influência dos casos nas diversas
estatísticas (não se repetem em todas as plotagens).
É possível dar uma motivação a mais para manter os possíveis outliers na pesquisa.
Nas regressões logísticas com eventos raros, a retirada de eventos (Y=1) é mais problemática
do que a retirada de não-eventos (Y=0). Isso é até intuitivo, porque a pouca quantidade de
eventos faz com que cada uma de suas contribuições ao modelo (classificação do menor
grupo) seja relativamente mais importante. Em outras palavras, a retirada de uma observação
de evento entre 87, é mais problemática do que a retirada de uma observação entre 5475,
mesmo que algumas de suas informações causem assimetria indevida no modelo.
De qualquer forma, rodou-se o modelo logit sem os influential cases e apontamos as
modificações dos resultados. A tabela 16, apresenta o modelo sem os casos atípicos.
Tabela 16 – Modelo logístico sem os influential cases
Logistic regression Number of obs = 5452
LR chi2(11) = 615.90
Prob > chi2 = 0.0000
Log likelihood = -121.76284 Pseudo R2 = 0.7166
aint Coef. Std. Err. z P>|z| [95% Conf. Interval]
front 1.607676 .5571453 2.89 0.004 .5156908 2.69966
metoo -.151934 .4304464 -0.35 0.724 -.9955934 .6917254
edu .921136 .5072109 1.82 0.069 -.0729791 1.915251
idh 19.00414 6.040493 3.15 0.002 7.164986 30.84329
pibcap .0163786 .0114006 1.44 0.151 -.0059662 .0387234
pop .0148897 .0016564 8.99 0.000 .0116432 .0181363
exp .0005081 .0002863 1.77 0.076 -.000053 .0010691
pt 1.526078 .443006 3.44 0.001 .6578017 2.394353
oposi .1221265 .4700267 0.26 0.795 -.799109 1.043362
sp 1.585457 .5214887 3.04 0.002 .5633575 2.607556
rs 1.708754 .5897236 2.90 0.004 .5529171 2.864591
_cons -22.84282 4.697343 -4.86 0.000 -32.04944 -13.6362
Note: 0 failures and 8 successes completely determined.
219