mgcvUI
una interfaz interactiva para el paquete mgcv (modelos aditivos generalizados)
DOI:
https://doi.org/10.67330/xtv1pa25Palabras clave:
mgcv(), modelos aditivos generalizados, mgcvUI(), regresión para el análisis inmobiliarioResumen
mgcvUI es una interfaz gráfica de usuario para el paquete de R mgcv, que ajusta modelos aditivos generalizados (GAM) mediante splines de regresión penalizada con selección automática de suavidad. Ofrece tres modos de uso — modelado predictivo general, tasación inmobiliaria y análisis de zona de mercado — y guía al usuario a través de la importación de datos, la especificación de términos suaves, el ajuste del modelo, los gráficos de diagnóstico y de efectos, y los informes descargables. Este artículo documenta los requisitos de formato de datos de mgcvUI, el flujo de trabajo de modelado, las pantallas de salida y la referencia completa de funciones.
Descargas
Referencias
Wood, S. N. 2003. “Thin-Plate Regression Splines.” Journal of the Royal Statistical Society (B) 65 (1): 95–114. https://doi.org/10.1111/1467-9868.00374.
Wood, S. N. 2004. “Stable and Efficient Multiple Smoothing Parameter Estimation for Generalized Additive Models.” Journal of the American Statistical Association 99 (467): 673–86. https://doi.org/10.1198/016214504000000980.
Wood, S. N. 2011. “Fast Stable Restricted Maximum Likelihood and Marginal Likelihood Estimation of Semiparametric Generalized Linear Models.” Journal of the Royal Statistical Society (B) 73 (1): 3–36. https://doi.org/10.1111/j.1467-9868.2010.00749.x.
Wood, S. N. 2017. Generalized Additive Models: An Introduction with R. 2nd ed. Chapman; Hall/CRC.
Wood, S. N., N. Pya, and B. Säfken. 2016. “Smoothing Parameter and Model Selection for General Smooth Models (with Discussion).” Journal of the American Statistical Association 111: 1548–75. https://doi.org/10.1080/01621459.2016.1180986.
Descargas
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2026 Valuation Engineer Journal
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Todos los artículos se publican bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0).
Esta licencia permite a cualquier persona compartir y adaptar el material para cualquier finalidad, incluso comercial, siempre que se dé el crédito correspondiente al autor y a la revista, se incluya un enlace a la licencia y se indique si se han realizado cambios.
Las ediciones traducidas de un artículo están amparadas por la misma licencia que la edición en inglés, que es la versión autorizada.
