man/R/outliers.plot2.R

In mariosandovalmx/tlamatini: Tlamatini: Funciones utiles para biologxs y ecologxs confundidos con los modelos lineales

#' Encontrar los outliers de un LM, GLM
#'
#' Encontrar los outliers de un LM, GLM.
#' @param model Modelo GLM, o LM.
#' @param fill Color predefinido
#' @param outline Outline predefinido
#' @param size tamaño predefinido
#'
#' @return Encontrar los outliers de un modelo y graficarlos.
#' @export
#'
#' @examples
#' data(iris)
#' modelo <- glm(Petal.Width ~ Petal.Length, family = gaussian("log"), data=iris)
#' outliers.plot2(modelo)
#' @encoding UTF-8
#' @importFrom stats rstudent
#' @importFrom stats hatvalues
#' @importFrom stats cooks.distance
#' @import ggplot2
outliers.plot2 <- function (model, fill="white",
                            outline="black", size=30) {

  if(!inherits(model, "lm"))
    stop("Es necesario suministrar un objeto lm.")
  df<-data.frame(Residual=stats::rstudent(model),
                 Leverage=stats::hatvalues(model),
                 Cooks=stats::cooks.distance(model),
                 Observation=names(hatvalues(model)),
                 stringsAsFactors=FALSE)
  myxint<-c(2*mean(df$Leverage), 3*mean(df$Leverage))
  inds<-intersect(which(abs(df$Residual) < 2),
                  which( df$Leverage < myxint[1]))
  if(length(inds) > 0) df$Observation[inds]<-""
  p1<- ggplot2::ggplot(df, aes_string(x='Leverage', y='Residual',
                        size='Cooks', label='Observation'),
         legend=FALSE) +
    ggplot2::geom_point(colour=outline, fill=fill, shape=21) +
    ggplot2:: scale_size_area(max_size=size) +
    ggplot2::theme_bw(base_size=16) + geom_text(size=4) +
    ggplot2::geom_hline(yintercept=c(2,-2), linetype="dashed") +
    ggplot2::geom_vline(xintercept=myxint, linetype="dashed") +
    ggplot2::ylab("Studentized Residuals") +
    ggplot2::xlab("Hat-Values") + ggplot2::labs(size="Cook\'s distance")


  insight::print_color("Las distancias de Cook, es una medida de c\u00f3mo influye la observaci\u00f3n identificada como outlier sobre la estimaci\u00f3n de B (pendiente) al ser retirada del conjunto de datos. Una distancia de Cook grande significa que una observaci\u00f3n tiene un peso grande en la estimaci\u00f3n de la pendiente. En el gr\u00e1fico las observaciones con c\u00edrculos grandes son consideradas outliers influyentes.", "green")
  return(p1)
}