Обобщени адитивни модели за местоположение, мащаб и форма (GAMLSS)
GAMLSS е широк клас полупараметрични регресионни модели, въведени от Робърт Ригби и Микис Стасинопулос през 2005 г. За разлика от класическата регресия, която моделира само средната стойност на отговора, GAMLSS позволява всеки параметър на избрано параметрично разпределение — местоположение (напр. средна стойност), мащаб (напр. дисперсия) и форма (напр. асиметрия, ексцес) — да бъде моделиран като адитивна функция на ковариатите. Това прави възможно улавянето на хетероскедастичност, асиметрия и тежки опашки едновременно в една единна рамка.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Rigby, R. A., & Stasinopoulos, D. M. (2005). Generalized additive models for location, scale and shape. Journal of the Royal Statistical Society: Series C, 54(3), 507–554. DOI: 10.1111/j.1467-9876.2005.00510.x ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Generalized Additive Models for Location, Scale and Shape (GAMLSS). ScholarGate. https://scholargate.app/bg/statistics/gamlss
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Обобщен адитивен модел (GAM)Машинно обучение↔ compare
- Квантилна регресияИконометрия↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →