Tyrime palyginti du sintetinių duomenų generavimo metodai – grandininių lygčių metodas (angl. Fully Conditional Specification, FCS) ir apibendrintieji adityvieji padėties, mastelio ir formos parametrų modeliai (angl. Generalized Additive Models for Location, Scale and Shape, GAMLSS), taikant juos paslaugų sektoriaus įmonių mėnesinių pajamų duomenims. Rezultatai parodė, kad FCS geriau atkuria originalių duomenų pasiskirstymą, tačiau GAMLSS pasižymi mažesne reikšmės atskleidimo rizika ir gali būti laikomas saugesniu konfidencialumo užtikrinimo požiūriu.
Šis darbas apsaugotas Creative Commons priskyrimo 4.0 viešąja licencija.