dmax.norm <- function(modelo=fit.model,iden=double(ncol(model.matrix(modelo))),nome=seq(along = model.matrix(modelo)[,1])) {

#
# Descrição e detalhes:
# A saída terá gráficos do dmax para cada coeficiente de um modelo normal linear.
#
# A influência local consiste em procurar pontos que sob pequenas perturbações causam variações muito grandes nos
# resultados. O dmax é o autovetor que corresponde ao maior autovalor da matriz do processo de perturbações. Para
# maiores detalhes veja Paula (2003, págs.50-54). O critério foi o de destacar observações maiores do que duas
# vezes a média de todos os dmax's absolutos.
#
# Os dados devem estar disponíveis pelo comando attach( ).
#
# Argumentos obrigatórios:
# modelo: deve-se informar o objeto onde está o ajuste do modelo normal linear, caso não seja informado, a função
# 	  procurará o ajuste no objeto fit.model;
# 
# Argumentos opcionais:
# iden: caso deseje, informe o número de observações que irá querer destacar em cada gráfico. O vetor deve
# 	conter números inteiros. A ordem que deve ser informada é a mesma das variáveis da opção var, caso seja
#	utilizada, ou deve ter a mesma ordem da matriz modelo. Os componentes do vetor iguais a 0 indicam que não se
#	quer que identifique pontos, se for um inteiro positivo irá automaticamente nos gráficos pertinentes permitir
#	que identifiquemos o número de pontos solicitados e qualquer outro valor (negativo ou decimal) parará nos
#	gráficos e irá solicitar que especifiquemos o número de pontos a ser destacado. O padrão é c(0,...,0) caso não
#	se entre com nada e c(-1,...,-1) caso se entre com qualquer coisa que não satisfaça os requisitos citados
#	de ser número inteiro, não negativo e de ter o mesmo comprimento da opção var ou da matriz modelo;
# nome: esse argumento só é utilizado caso algum dos componentes do vetor da opção iden não seja 0. Caso não
#	seja informado nada, os pontos identificados serão os números da ordem em que estão no banco de dados.
#	Caso se queira, pode-se informar um vetor de nomes ou de identificações alternativas. Obrigatoriamente
#	esse vetor deve ter o mesmo comprimento do banco de dados.
#
# Autor: Frederico Zanqueta Poleto <fred@poleto.com>, arquivo disponível em http://www.poleto.com
#
# Referência:
# PAULA, G. A. (2003). Modelos de Regressão com apoio computacional. IME-USP, São Paulo. [Não publicado,
#    disponível em http://www.ime.usp.br/~giapaula/Book.pdf]
#
# Exemplo:
# dmax.norm(ajuste,iden=-1,nome=estados)
#

if( class(modelo)[1]=="lm" || (class(modelo)[1]=="glm" && (modelo$family[[1]]=="Gaussian" | modelo$family[[1]]=="gaussian")) ) {

} else {
	stop(paste("\nA classe do objeto deveria ser lm ou glm (com distribuicao gaussian) !!!"))
}

X <- model.matrix(modelo)
n <- nrow(X)
p <- ncol(X)
r<-resid(modelo)

if(p>length(iden)) {
	iden<-rep(-1,p)
}

if (p>2) {
	if (p>8) {	
		par(mfrow=c(3,ceiling(p/3)))
	} else {
		par(mfrow=c(2,ceiling(p/2)))
	}
} else {
	par(mfrow=c(1,ceiling(p)))
}

for(i in 1:p) {
	expl<-""
	expli<-0
	for(j in 1:p) {
		if(j!=i) {
			if(expli>0) {
				expli<-expli+1
				expl<-paste(expl,"+X[,",j,"]",sep="")
			} else {
				expli<-1
				expl<-paste("X[,",j,"]",sep="")
			}
		}
	}
	v<-resid(lm(as.formula(paste("X[,",i,"]~",expl,"-1"))))
	dmax<-v*r
	dmax<-dmax/sqrt( t(dmax)%*%dmax )
	#cut<-2/sqrt(n)
	cut<-2*mean(abs(dmax))
	plot(dmax,xlab="Índice", ylab="dmax",main=dimnames(X)[[2]][i],ylim=c(min(-cut,dmax),max(cut,dmax)), pch=16)
	abline(-cut,0,lty=2)
	abline(cut,0,lty=2)
	while ( (!is.numeric(iden[i])) || (round(iden[i],0) != iden[i]) || (iden[i] < 0) ) {
		cat("Digite o num.de pontos a ser identificado (0=nenhum) e <enter> para continuar\n")
		out <- readline()
		iden[i]<-as.numeric(out)
	}
	if(iden[i]>0) {identify(dmax,n=iden[i],labels=nome)}
}

par(mfrow=c(1,1))
cat("\n")
}