Generaliserade Additiva Modeller för Lokalitet, Skala och Form (GAMLSS)
GAMLSS är en bred klass av semi-parametriska regressionsmodeller som introducerades av Robert Rigby och Mikis Stasinopoulos år 2005. Till skillnad från klassisk regression, som endast modellerar medelvärdet av ett svar, tillåter GAMLSS att varje parameter i en vald parametrisk fördelning – lokalitet (t.ex. medelvärde), skala (t.ex. varians) och form (t.ex. snedhet, kurtosis) – modelleras som en additiv funktion av kovariater. Detta gör det möjligt att fånga heteroskedasticitet, snedhet och tunga svansar samtidigt inom ett enda enhetligt ramverk.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Generalized Additive Models for Location, Scale and Shape (GAMLSS). ScholarGate. https://scholargate.app/sv/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.
- Generaliserad additiv modell (GAM)Maskininlärning↔ compare
- KvantilregressionEkonometri↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →