[英]r gamlss: prediction of z-scores using regression with multiple explanatory variables
function centiles.pred
是一个很好的选择,可以根据 gamlss model 提取 z 分数,如下面的代码所示:
library(gamlss)
FIT = gamlss(mpg ~ disp, data = mtcars, family = BCPE)
NEWDATA = data.frame(disp = 300, mpg = 17)
centiles.pred(FIT, xvalues = NEWDATA$disp, xname = "disp", yval = NEWDATA$mpg, type = "z-scores")
然而, centiles.pred
的一个限制是它适用于只有一个解释变量的模型”。 然而,在许多情况下,您有不止一个解释变量,如下例所示:
FIT = gamlss(mpg ~ disp + qsec, data = mtcars, family = BCPE)
我的问题是:是否有family = "standard-centiles"
family = "centiles"
的方法centiled.pred
从具有超过一个解释变量?
function predictAll(FIT,newdata= ) 为显示和 qsec 的新值给出拟合参数(mu、sigma、nu、tau)。 [见 Stasinopoulos 等人。 (2017) 第 143 页。]
然后使用拟合的 (mu, sigma, nu, tau) 使用 BCPE 的 cdf(即 pBCPE)找到低于相应的 mpg 新值的概率(比如 p)。
然后 z 分数由 qNO(p) 给出
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.