클러스터 된 데이터를 다룰 때 Gam 모델에서 강력한 표준 오차의 계산을 이해하는 것이 중요합니다. 샌드위치 패키지와 같은 기존 기술은 GLMS에 효과적이지만 MGCV 패키지에는 다른 전략이 필요합니다. 신뢰할 수있는 통계적 추론을 보장하기 위해이 기사에서는 부트 스트랩 및 클러스터-로버스트 분산 추정을 포함한 다양한 솔루션을 조사합니다. 이러한 방법을 사용하면 공중 보건 통계 나 금융 위험 모델을 조사 할 때 잘못된 추론을 그리는 것을 피할 수 있습니다.