Caros colegas, Nos comandos abaixo, realizo a análise de um modelo não linear misto. Após selecionar o modelo, realizei um teste outliers do modelo. Identifiquei os outliers e os removi. Ajustei novamente o modelo, porém a nova análise gráfica dos resíduos desses modelo indica novos outliers. Porque isso ocorre? Como lido com isso? Removê-los não é uma opção, uma vez que estarei perdendo muitas observações. A minha outra dúvida é: Qual o melhor momento para realizar o teste de outliers? Eu realizo após a seleção do melhor modelo, pois com a correta definição dos efeitos aleatórios e da matriz R, o número de outliers normalmente reduz. Porém a remoção de outliers pode alterar o modelo e as estruturas até então selecionadas para as matrizes D e R podem não ser mais adequadas. Qual procedimento mais indicado? Att library(nlme) install.packages("tidyr") library(tidyr) DADOS.CURTO <- read.csv(" https://www.dropbox.com/s/b4cckybgrcg86me/galinhas.csv?raw=1",head = TRUE) head(DADOS.CURTO) colnames(DADOS.CURTO) <- c("0","1","2","3","4","5","6","TRAT") DADOS<- DADOS.CURTO %>% gather('0','1','2','3','4','5','6',key ="SEMANA",value = "PESO", -TRAT) head(DADOS) str(DADOS) ID <-rep(seq(1,370), times=7) DADOS<-cbind(ID,DADOS) DADOS <- transform(DADOS, SEMANA = as.numeric(SEMANA),ID=factor(ID)) #-----------------------------------ajuste dos modelos---------------------------------------------------- MNG8<-gnls(PESO ~ a * exp(-b * exp( -c * SEMANA)),params=list(a~TRAT,b~1,c~1),start = list(c(a = c(4.10,4.79,4.75),b = 4.53,c = 0.37)),na.action=na.omit,data =DADOS) MNG8.4 <- update(MNG8,weights = varExp(form = ~fitted(.)|SEMANA),correlation = corARMA(form = ~SEMANA |ID,q = 6)) #-----------------------------------outliers---------------------------------------------------------------- (GRAF8 <- plot(MNG8final,resid(.,type = "pearson")~fitted(.),id=0.05,xlab="Valores ajustados",ylab="Residuos Padronizados",abline = 0,main = "MNG8.4")) #------------------------------------ Identificação de outliers--------------------------------------- DADOS <- DADOS[complete.cases(DADOS),] ifelse(abs(residuals(MNG8,type="pearson"))>qnorm(0.975),1,0)-> DADOS$cookMNG #-----------------------------------novo modelo---------------------------------------------- MNG8final <- update(MNG8,data=subset(DADOS,cookMNG==0)) #------------------------------- (GRAF8 <- plot(MNG8final,resid(.,type = "pearson")~fitted(.),id=0.05,xlab="Valores ajustados",ylab="Residuos Padronizados",abline = 0,main = "MNG8.4")) -- ========================================= Fernando Souza Zootecnista, DSc. Produção e Alimentação Animal Celular: (31)99796-8781 (Vivo) E-mail:nandodesouza@gmail.com <e-mail%3Anandodesouza@gmail.com> Lattes: http://lattes.cnpq.br/6519538815038307 Blog: https://producaoanimalcomr.wordpress.com/ ==========================================