El primer problema con los "outliers" es detectarlos, el segundo es quitarlos del set de datos para ajustar cualquier estimación o modelo. Por ejemplo, con un caso similar al que planteas:
df <- read.table(text="Periodo Valor
200203 1.4
200204 0.7
200301 0.49
200302 0.343
200303 0.24
200304 0.168", header = TRUE)
# Agregamos un número correlativo para cada período
df$n <- 1:nrow(df)
df
Periodo Valor n
1 200203 1.400 1
2 200204 0.700 2
3 200301 0.490 3
4 200302 0.343 4
5 200303 0.240 5
6 200304 0.168 6
Supongamos que ajustamos un modelo lineal a estos datos:
plot(df$Valor)
abline(lm(Valor ~ n, data=df), col="blue", lwd=3, lty=2)
Podemos detectar los outliers de la forma clásica, es decir: Q1 - 1.5 * IQR
y
Q3 + 1.5 * IQR
que es la forma en que se los identifica en un boxplot
, por lo que podremos usar boxplot.stats()
que nos da varios de los valores de un boxplot
pero sin graficarlo.
# Detectamos los outliers
outliers <- boxplot.stats(df$Valor)$out
En tu ejemplo consideras el valor del primer período como un outlier, sin embargo no lo es usando la formula clásica, por eso en este ejemplo, subí este valor a 1.4. De cualquier forma, que consideres un outlier, si buscas que no afecte el modelo o estimación, deberás eliminarlo del conjunto de los datos:
df_sin_outliers <- df[-(df$Valor == outliers), ]
Y ahora repetimos el modelo, sin los "outliers":
plot(df.sinoutliers$Valor)
abline(lm(Valor ~ n, data=df.sinoutliers), col="blue", lwd=3, lty=2)