Generalized Additive Models for Location, Scale and Shape (GAMLSS)
A hagyományos regresszióhoz képest, amely csak a haranggörbe közepének eltolódását modellezi az előrejelzők változásával, a GAMLSS ennél tovább megy: lehetővé teszi a teljes У eloszlás szélességének, aszimmetriájának és farkának „nehézségének” változását is az előrejelzők függvényében. Ha a magasabb diákok nemcsak átlagosan magasabb pontszámot érnek el, hanem a pontszámaik szórása is nagyobb, és ez a szórás maga is követ egy mintázatot, akkor a GAMLSS mindezen jellemzőket képes egyszerre megragadni azáltal, hogy minden eloszlási paraméterre külön simító függvényt illeszt.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Generalized Additive Models for Location, Scale and Shape (GAMLSS). ScholarGate. https://scholargate.app/hu/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.
- Generalizált Additív Modell (GAM)Gépi tanulás↔ compare
- Kvantilis regresszióÖkonometria↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →