INPUT DATA

Variabel Kuantitatif untuk
Matriks Korelasi & Matriks Diagram Pencar
Variabel untuk eksplorasi smoother
Distribusi untuk smoother GLM
Distribusi untuk smoother GAM

Biru: RLM; Merah tua:LM

          

          

          

          

          

          
Menentukan Respon dan Prediktor untuk (GLM & GAM) dan menampilkan luaran untuk Regresi Biasa dengan respon Gaussian (OLS)

MODEL DENGAN FAKTOR
Menentukan Distribusi Respon dan Link



Menentukan Model (mu,sigma, nu,tau) GAMLSS

Model Sigma

Model Nu

Model Tau
GENERALIZED LINEAR MODEL (GLM)
Untuk GLM, formula dan distribusi (link) ditetapkan melalui Menu Formula Model
GENERALIZED ADDITIVE MODEL (GAM) DENGAN SMOOTHER SPLINE
Untuk GAM, formula model dan distribusi (link) ditetapkan melalui menu Formula Model. Di sini ditetapkan komponen smoother-nya


GENERALIZED ADDITIVE MODEL (GAMLSS)
Pengepasan model aditif dengan perluasan jenis distribusi dan tambahan pemodelan untuk parameter dispersi sesuai jenis distribusi
Tetapkan formula model dan distribusi (link) melalui menu Formula
GLM+SPLINE NATURAL
Regresi Semiparametrik dengan pemulus Natural dan B Spline. Metode ini memanfaatkan Sebaran dan Link seperti pada GLM

Variabel untuk komponen Semiparametrik (Tidak sama dengan yang sudah dipilih di atas)

REGRESI ROBUS
Pengepasan robus berdasarkan RLM pada MASS (Venables & Ripley) dan LMRob pada robustbase
Tetapkan formula model melalui menu Formula

LMRob identik dengan RLM-MM
REGRESI DENGAN RESPON MULTINOMIAL

Pengepasan ini harus dilakukan sebelum anda melakukan/ membuka pengepasan GAM karena Multinomial tidak akan berfungsi setelah GAM diaktifkan

Regresi Multinomial, memiliki respon dengan skala nominal/ordinal dengan jumlah kelompok/kategori lebih dari 2
Untuk Regresi Multinomial, formula model ditetapkan di sini