Modelli Additivi Generalizzati per Posizione, Scala e Forma (GAMLSS)

I GAMLSS (Generalized Additive Models for Location, Scale and Shape) costituiscono un'ampia classe di modelli di regressione semiparametrici introdotti da Robert Rigby e Mikis Stasinopoulos nel 2005. A differenza della regressione classica, che modella solo la media di una risposta, i GAMLSS consentono che ogni parametro di una data distribuzione parametrica — posizione (ad es. media), scala (ad es. varianza) e forma (ad es. asimmetria, curtosi) — sia modellato come una funzione additiva di covariate. Ciò permette di catturare eteroschedasticità, asimmetria e code pesanti simultaneamente all'interno di un unico framework unificato.