Eu tenho a impressão que se você olhar os gráficos de distância de Cook (onde ele coloca os dados em ordem do dataframe e e distância de Cook versus alavancagem (esses gráficos normalmente não são gerados, precisa-se escolhê-los na chamada a plot com which=c(4,6)), você terá um panorama mais fácil de analisar que a tabela gerada por influence.measures().
Lembrando que a marcação tanto na saída de influence.measures() como nos gráficos do que é influente é a convenção do autor do pacote. HTH -- Cesar Rabak 2015-03-25 12:08 GMT-03:00 walmes . <[email protected]>: > A análise dos resíduos apresentada nos gráficos rotula sempre 3 > observações mas não significa que sejam de fato influentes. Para isso você > pode consultar medidas de influência, como influence.measures(). > > Walmes. > > > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > código mínimo reproduzível. >
_______________________________________________ R-br mailing list [email protected] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
