Inom statistik är en generaliserad linjär modell (GLM) en flexibel generalisering av klassisk linjär regression som tillåter användning av svarsvariabler som har felfördelningsmönster som inte är normalfördelade . GLM generaliserar linjär regression genom att tillåta en linjär modell att relateras till en svarsvariabel genom en funktion, linjära modeller formulerades av John Nelder och Robert Wedderburn som ett sätt att kombinera olika andra statistiska modeller , inklusive linjär regression , logistisk regression och Poisson-regression . De föreslog en minsta kvadratmetod för att uppskatta den maximala sannolikheten för modellparametrar. Uppskattning av maximal sannolikhet är fortfarande populär och är standardmetoden i många statistiska datorpaket . Andra tillvägagångssätt har utvecklats, inklusive Bayesianska metoder och minsta kvadratmetoder för att erhålla variansstabiliserade svar.
| Minsta kvadrater och regressionsanalys | |||||||||
|---|---|---|---|---|---|---|---|---|---|
| Beräkningsstatistik _ |
| ||||||||
| Korrelation och beroende |
| ||||||||
| Regressionsanalys |
| ||||||||
| Regression som statistisk modell |
| ||||||||
| Variansupplösning |
| ||||||||
| Modellstudie |
| ||||||||
| Förutsättningar |
| ||||||||
| Experimentplanering _ |
| ||||||||
| Numerisk uppskattning | |||||||||
| Ansökningar |
| ||||||||