ich hoffe, dass ich hier vielleicht endlich Hilfe finde. Bisher konnte ich leider Online keine Hilfe finden.
Ich möchte auf einem Datensatz ein ZAGA-Model anwenden. Dies habe ich umgesetzt über das R-Package GAMLSS. Generalized Additive Model for Location, Scale and Shape (GAMLSS) erlauben die Modellierung weiterer Verteilungs-Parameter einer Verteilung außer des Means als Funktionen der abhängigen Variable.
Das Modell (auf Basis eines Trainingsdatensatzes) an sich kann man ganz einfach wie folgt erstellen:
Code: Alles auswählen
ZAGA_Model = gamlss(formula = y~., sigma.formula = y~., nu.formula = y~., data = train_data, family = ZAGA)
Code: Alles auswählen
predictAll(ZAGA_Model, newdata = test_data, type = "response")
Die Zeile $y gibt dabei die Werte der abhängigen Variable aus dem Test-Datensatz.$mu
[1] 400.9585 598.3456 297.5756 1988.7999 2057.1348 674.1622
$sigma
[1] 0.21363860 0.05586103 0.06269033 0.01436584 0.46865264 0.07960204
$nu
[1] 9.54167e-12 9.54167e-12 9.54167e-12 9.54167e-12 9.54167e-12 9.54167e-12
$y
[1] 403 710 349 1965 1300 550
Wo es nun bei mir hakt, ist zu verstehen, welcher dieser Verteilungsparameter denn nun meine vorhergesagten Werte für die abhängige Variable ist. Ist es einfach das "mu"? Oder muss ich mit diesen vorhergesagten Verteilungsparametern noch weitere Berechnungen durchführen?
Ich hoffe, hier eine Lösung zu bekommen
Vielen Dank schonmal für jede Hilfe, so klein sie noch ist!
Wo ich nun scheiter, ist zu verstehen, was denn jetzt meine predicted Values für die abhängige Variable