Separating location and dispersion in ordinal regression models

در رگرسیون ترتیبی، تمرکز به طور معمول بر روی اثرات محل قرار می گیرد؛ تغییرات بالقوه توزیع توده احتمالات در مقادیر پاسخی که به غلظت قوی یا ضعیف تر میان می رسند بیشتر نادیده می گیرند. اگر اثرات پراکندگی وجود داشته باشد، اما نادیده گرفته شده اند، از رنج می برند و به شدت، برآوردهای محرمانه از اثرات مکان، انتظار می رود از آنجایی که مدل های رگرسیون ردیف غیر خطی هستند. یک مدل پیشنهاد شده است که به صراحت پراکندگی های مختلف را به متغیرهای توضیحی پیوند می دهد. این می تواند توضیح دهد که چرا اغلب متغیرها دارای اثرات خاصی هستند. تعبیه به چارچوب مدل های خطی تعمیم یافته چند متغیره اجازه می دهد تا با استفاده از ابزار محاسباتی و نتایج تحلیلی که برای این کلاس مدل توسعه داده شده است. مدل با روشهای جایگزین در برنامه ها و شبیه سازی ها مقایسه شده است. علاوه بر این، یک ابزار تجسم برای ترکیبی از مکان و اثرات پراکندگی در برنامه های کاربردی ارائه شده است.