Un modelo aditivo generalizado para localización, escala y forma (GAMLSS) es un marco de modelado estadístico que extiende los modelos aditivos generalizados (GAM) al permitir que todos los parámetros de la distribución de una variable de respuesta - no solo la media - se modelen como funciones suaves de las variables predictoras. Desarrollado por R. A. Rigby y D. M. Stasinopoulos en 2005, GAMLSS proporciona un enfoque flexible para el análisis de regresión cuando la variable de respuesta sigue distribuciones no normales o presenta heterocedasticidad, asimetría o curtosis que no pueden capturarse con modelos tradicionales de solo media.
El marco asume que la variable de respuesta sigue una distribución paramétrica, y cada parámetro de la distribución (por ejemplo, localización, escala, forma) se vincula a un predictor lineal mediante una función de enlace monótona. Los predictores lineales pueden incorporar términos lineales, términos polinómicos, splines de suavizado, efectos aleatorios y otros componentes aditivos. La estimación se realiza típicamente mediante un enfoque de verosimilitud penalizada, a menudo con los algoritmos RS (Rigby y Stasinopoulos) o CG (Cole y Green), que maximizan iterativamente la verosimilitud mientras penalizan la rugosidad de los términos suaves.
Especificación del modelo
En un GAMLSS, se asume que la variable de respuesta \(Y\) tiene una función de distribución \(F_Y(y|\theta)\), donde \(\theta = (\theta_1, \theta_2, \ldots, \theta_p)\) es un vector de \(p\) parámetros de distribución. Para cada parámetro \(\theta_k\), se especifica un modelo como:
\[ g_k(\theta_k) = \eta_k = X_k \beta_k + \sum_{j=1}^{J_k} s_{kj}(x_{kj}) \]
donde \(g_k\) es una función de enlace monótona, \(X_k\) es una matriz de diseño para efectos fijos, \(\beta_k\) son coeficientes, y \(s_{kj}\) son funciones suaves de las covariables \(x_{kj}\). El número de parámetros \(p\) depende de la distribución elegida; por ejemplo, una distribución normal tiene dos parámetros (media y desviación estándar), mientras que una distribución t de Box-Cox tiene cuatro (localización, escala, asimetría y curtosis).
Estimación y algoritmos
Los parámetros de un GAMLSS se estiman maximizando una función de verosimilitud penalizada. Los términos de penalización controlan la suavidad de las funciones aditivas, evitando el sobreajuste. Se utilizan dos algoritmos principales:
- Algoritmo RS: Una generalización del algoritmo de backfitting para GAM, que recorre los parámetros, actualizando cada uno mientras mantiene los demás fijos. Es adecuado para distribuciones donde los parámetros son ortogonales o casi ortogonales.
- Algoritmo CG: Basado en el método de Newton-Raphson, que actualiza todos los parámetros simultáneamente. Es más eficiente para distribuciones con parámetros correlacionados pero puede ser menos estable.
Ambos algoritmos permiten la selección automática de parámetros de suavizado utilizando criterios como el criterio de información de Akaike (AIC) o la validación cruzada generalizada (GCV). El paquete gamlss en el lenguaje de programación R proporciona una implementación completa de estos métodos, incluyendo una amplia gama de distribuciones y términos aditivos.
Aplicaciones
Los GAMLSS se han aplicado en diversos campos donde las variables de respuesta exhiben varianza no constante o formas no normales. En medicina, se utilizan para construir gráficos de crecimiento e intervalos de referencia, donde la distribución de las mediciones (por ejemplo, índice de masa corporal, presión arterial) cambia con la edad. En finanzas, modelan la volatilidad y las medidas de riesgo que varían con las condiciones del mercado. En ecología, analizan datos de abundancia de especies con sobredispersión o inflación de ceros. La flexibilidad para modelar parámetros de escala y forma hace que los GAMLSS sean particularmente útiles para la regresión cuantílica y para analizar datos con colas pesadas o distribuciones asimétricas.
Relación con otros modelos
Los GAMLSS generalizan varios modelos existentes. Cuando solo se modela el parámetro de localización y se asume que la distribución es normal con varianza constante, GAMLSS se reduce a un GAM estándar. Si los términos aditivos son lineales, se convierte en un modelo lineal generalizado (GLM) para localización, escala y forma. El marco también abarca la regresión distribucional, donde todos los parámetros de una distribución se regresan sobre covariables. Esto se conecta con enfoques modernos de aprendizaje automático como aprendizaje profundo y redes neuronales, que también pueden modelar parámetros de distribución, aunque GAMLSS conserva la interpretabilidad y las propiedades de inferencia estadística.
Software e implementación
El software principal para GAMLSS es el paquete gamlss en R, lanzado por primera vez en 2005 y actualizado continuamente. Incluye funciones para ajustar, diagnosticar y visualizar modelos, así como para seleccionar distribuciones y términos de suavizado. El paquete admite un gran número de distribuciones, incluyendo tipos continuos, discretos y mixtos. Existen otras implementaciones en Python y otros software estadísticos, pero el paquete de R sigue siendo el más completo. El marco se ha extendido para manejar datos longitudinales, datos espaciales y respuestas multivariadas, ampliando su aplicabilidad en el modelado estadístico.