Modelos com platô
# vamos fazer um exemplo simples com os dados simulados abaixo
x = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11,12)
y = c(5, 18, 35, 58, 85, 109, 123, 121, 122, 123,121,123)
# note no gráfico abaixo que ocorre um platô na variável resposta quando x se aproxima de 7
plot(y~x, type="o", lty=2, col="dark green")
# utilizando a função nlsfit() do pacote easynls ajustaremos um modelo linear, quadrático, linear platô e quadrático platô (note que o argumento model define o modelo)
require(easynls)
dados=data.frame(x,y)
nlsfit(dados, model=1) # linear
nlsfit(dados, model=2) # quadrático
nlsfit(dados, model=3) # linear com platô
nlsfit(dados, model=4) # quadrático com platô
# o modelo que melhor se ajusta pode ser escolhido com base nos valores do AIC e BIC e neste caso foi o linear com platô (menor AIC e BIC e também maiores coeficientes de determinação)
# para observar graficamente os modelos é só utilizar a função nlsplot() do pacote easynls
nlsplot(dados, model=1) # linear
nlsplot(dados, model=2) # quadratico
nlsplot(dados, model=3) # linear com platô
nlsplot(dados, model=4) # quadrático com platô
# veja abaixo como ficou o gráfico do modelo linear com platô
