Generaliserede additive modeller for lokation, skala og form (GAMLSS)
GAMLSS er en bred klasse af semi-parametriske regressionsmodeller introduceret af Robert Rigby og Mikis Stasinopoulos i 2005. I modsætning til klassisk regression, som kun modellerer middelværdien af et respons, tillader GAMLSS, at hver parameter i en valgt parametrisk fordeling – lokation (f.eks. middelværdi), skala (f.eks. varians) og form (f.eks. skævhed, kurtosis) – modelleres som en additiv funktion af kovariater. Dette gør det muligt at indfange heteroscedasticitet, skævhed og tunge haler samtidigt inden for et enkelt, samlet rammeværk.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Generalized Additive Models for Location, Scale and Shape (GAMLSS). ScholarGate. https://scholargate.app/da/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.
- Generaliseret Additiv Model (GAM)Maskinlæring↔ compare
- KvantilregressionØkonometri↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →