Les auteurs proposent un estimateur à fonction d'influence bornée pour la régression binaire à variable dépendante continue, qui constitue une alternative à la régression logistique lorsque le chercheur s'intéresse à la proportion d'individus pour lesquels la variable expliquée est supérieure ou inférieure à un certain seuil. Les auteurs montrent à la fois théoriquement et empiriquement que dans ce contexte, l'estimation à vraisemblance maximale est sensible à une mauvaise spécification du modèle. Ils montrent que leur estimateur robuste est plus stable et presqu'aussi efficace que le maximum de vraisemblance si les hypothèses sont satisfaites. De plus, l'inférence à laquelle il conduit est plus sûre. Les auteurs comparent la performance des différents estimateurs par voie de simulation et présentent une analyse de l'hypertension sur des données en provenance de Harlem.