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