r gamlss：使用具有多个解释变量的回归预测 z 分数

Question

赏金将在 5 天后到期。 此问题的答案有资格获得+100声望赏金。 ehi想让更多人关注这个问题。

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？

Answer 1

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