Es crucial comprender el cálculo de errores estándar robustos en los modelos GAM al tratar con datos agrupados . Las técnicas convencionales, como el paquete sandwich , son efectivas para GLMS, pero el paquete mgcv necesita diferentes estrategias. Para garantizar una inferencia estadística confiable, este artículo examina varias soluciones, incluidas la estimación de la varianza de bootstrapping y robust de clúster. El uso de estos métodos ayuda a evitar dibujar inferencias incorrectas al examinar las estadísticas de salud pública o los modelos de riesgo financiero.