创建增长图表的最佳方法

我必须为非负数，连续数和非负数的健康变量创建5至15岁（仅5,6,7等；没有2.6年这样的分数）的图表（类似于生长图表）。 50-150的范围（只有少数几个值不在此范围内）。我必须创建第90、95和99个百分位曲线，并为这些百分位创建表。样本大小约为8000。

我检查并发现以下可能的方法：

1. 找到分位数，然后使用黄土法从这些分位数中获得平滑曲线。可以通过“ span”参数调整平滑度。

2. 使用LMS（Lambda-Mu-Sigma）方法（例如，在R中使用gamlss或VGAM软件包）。

3. 使用分位数回归。

4. 使用每个年龄组的平均值和SD来估算该年龄段的百分位数，并创建百分位数曲线。

最好的方法是什么？“最好”是指理想的方法，它是创建此类增长曲线的标准方法，并且将为所有人所接受。或者是一种更容易实现的方法，它可能会有一些限制，但是是可以接受的，更快的方法。（例如，对百分比值使用黄土比使用gamlss软件包的LMS快得多）。

同样，该方法的基本R代码将是什么。

谢谢你的帮助。

关于增长曲线有大量文献。我认为有三种“最佳”方法。在这三个部分中，时间都被建模为具有足够的节数（例如6个）的受限三次样条。这是一款具有出色性能和易于解释的参数平滑器。

1. 具有敏感关联模式（例如连续时间AR1）的纵向数据的经典增长曲线模型（广义最小二乘）。如果可以证明残差是高斯的，则可以使用估计的均值和公共标准偏差来获得分位数的MLE。
2. 分位数回归。对于非大这不是有效的。即使精度不是最佳的，该方法也做出了最小的假设（因为一个分位数的估计未连接到另一分位数的估计），并且没有偏见。$n$
3. $Y$$Y$

高斯过程回归。从平方指数内核开始，然后尝试通过肉眼调整参数。以后，如果您想正确执行操作，请尝试使用不同的内核，并使用边际可能性来优化参数。

如果您想要比上面链接的教程提供更多的详细信息，那么本书非常有用。