مدلهای افزایشی تعمیمیافته برای مکان، مقیاس و شکل (GAMLSS)
GAMLSS یک کلاس گسترده از مدلهای رگرسیون نیمهپارامتری است که توسط رابرت ریگبی و میکیس استاسینوپولوس در سال ۲۰۰۵ معرفی شد. برخلاف رگرسیون کلاسیک که تنها میانگین یک پاسخ را مدلسازی میکند، GAMLSS اجازه میدهد تا هر پارامتر از یک توزیع پارامتری انتخاب شده — مکان (مانند میانگین)، مقیاس (مانند واریانس)، و شکل (مانند چولگی، کشیدگی) — به عنوان یک تابع افزایشی از کوواریتها مدلسازی شود. این امر امکان ثبت ناهمسانی واریانس، چولگی، و دمهای سنگین را به طور همزمان در یک چارچوب واحد فراهم میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Generalized Additive Models for Location, Scale and Shape (GAMLSS). ScholarGate. https://scholargate.app/fa/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.
- مدل جمعی تعمیمیافته (GAM)یادگیری ماشین↔ compare
- رگرسیون کوانتایلاقتصادسنجی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →