Um modelo aditivo generalizado para localização, escala e forma (GAMLSS) é uma estrutura de modelagem estatística que estende os modelos aditivos generalizados (GAMs) ao permitir que todos os parâmetros da distribuição de uma variável resposta - não apenas a média - sejam modelados como funções suaves das variáveis preditoras. Desenvolvido por R. A. Rigby e D. M. Stasinopoulos em 2005, o GAMLSS fornece uma abordagem flexível para análise de regressão quando a variável resposta segue distribuições não normais ou apresenta heterocedasticidade, assimetria ou curtose que não podem ser capturadas por modelos tradicionais que consideram apenas a média.
A estrutura assume que a variável resposta segue uma distribuição paramétrica, e cada parâmetro da distribuição (por exemplo, localização, escala, forma) é vinculado a um preditor linear por meio de uma função de ligação monotônica. Os preditores lineares podem incorporar termos lineares, termos polinomiais, splines de suavização, efeitos aleatórios e outros componentes aditivos. A estimação é tipicamente realizada usando uma abordagem de verossimilhança penalizada, frequentemente com os algoritmos RS (Rigby e Stasinopoulos) ou CG (Cole e Green), que maximizam iterativamente a verossimilhança enquanto penalizam a rugosidade dos termos suaves.
Especificação do Modelo
Em um GAMLSS, a variável resposta \(Y\) é assumida como tendo uma função de distribuição \(F_Y(y|\theta)\), onde \(\theta = (\theta_1, \theta_2, \ldots, \theta_p)\) é um vetor de \(p\) parâmetros da distribuição. Para cada parâmetro \(\theta_k\), um modelo é especificado como:
\[ g_k(\theta_k) = \eta_k = X_k \beta_k + \sum_{j=1}^{J_k} s_{kj}(x_{kj}) \]
onde \(g_k\) é uma função de ligação monotônica, \(X_k\) é uma matriz de delineamento para efeitos fixos, \(\beta_k\) são coeficientes, e \(s_{kj}\) são funções suaves das covariáveis \(x_{kj}\). O número de parâmetros \(p\) depende da distribuição escolhida; por exemplo, uma distribuição normal tem dois parâmetros (média e desvio padrão), enquanto uma distribuição t de Box-Cox tem quatro (localização, escala, assimetria e curtose).
Estimação e Algoritmos
Os parâmetros de um GAMLSS são estimados maximizando uma função de verossimilhança penalizada. Os termos de penalidade controlam a suavidade das funções aditivas, prevenindo o superajuste. Dois algoritmos principais são usados:
- Algoritmo RS: Uma generalização do algoritmo de backfitting para GAMs, que percorre os parâmetros, atualizando cada um enquanto mantém os outros fixos. É adequado para distribuições onde os parâmetros são ortogonais ou quase ortogonais.
- Algoritmo CG: Baseado no método de Newton-Raphson, que atualiza todos os parâmetros simultaneamente. É mais eficiente para distribuições com parâmetros correlacionados, mas pode ser menos estável.
Ambos os algoritmos permitem a seleção automática de parâmetros de suavização usando critérios como o critério de informação de Akaike (AIC) ou validação cruzada generalizada (GCV). O pacote gamlss na linguagem de programação R fornece uma implementação abrangente desses métodos, incluindo uma ampla gama de distribuições e termos aditivos.
Aplicações
Os GAMLSS têm sido aplicados em diversos campos onde as variáveis resposta exibem variância não constante ou formas não normais. Na medicina, são usados para construir curvas de crescimento e intervalos de referência, onde a distribuição das medições (por exemplo, índice de massa corporal, pressão arterial) muda com a idade. Em finanças, modelam volatilidade e medidas de risco que variam com as condições de mercado. Em ecologia, analisam dados de abundância de espécies com superdispersão ou inflação de zeros. A flexibilidade para modelar parâmetros de escala e forma torna os GAMLSS particularmente úteis para regressão quantílica e para analisar dados com caudas pesadas ou distribuições assimétricas.
Relação com Outros Modelos
Os GAMLSS generalizam vários modelos existentes. Quando apenas o parâmetro de localização é modelado e a distribuição é assumida como normal com variância constante, o GAMLSS se reduz a um GAM padrão. Se os termos aditivos são lineares, torna-se um modelo linear generalizado (GLM) para localização, escala e forma. A estrutura também abrange a regressão distribucional, onde todos os parâmetros de uma distribuição são regredidos sobre covariáveis. Isso se conecta a abordagens modernas de aprendizado de máquina, como aprendizado profundo e redes neurais, que também podem modelar parâmetros de distribuição, embora o GAMLSS mantenha interpretabilidade e propriedades de inferência estatística.
Software e Implementação
O principal software para GAMLSS é o pacote gamlss em R, lançado pela primeira vez em 2005 e continuamente atualizado. Inclui funções para ajustar, diagnosticar e visualizar modelos, bem como para selecionar distribuições e termos de suavização. O pacote suporta um grande número de distribuições, incluindo tipos contínuos, discretos e mistos. Outras implementações existem em Python e outros softwares estatísticos, mas o pacote R permanece o mais abrangente. A estrutura foi estendida para lidar com dados longitudinais, dados espaciais e respostas multivariadas, ampliando sua aplicabilidade na modelagem estatística.