广义线性模型(Generalized Linear Models,简称GLM)是一种在统计建模中常用的方法,可以处理不符合正态分布假设的响应变量。在R语言中,GLM模型的构建涉及到选择合适的分布函数和连接函数。本文将介绍R语言中广义线性模型的分布和连接函数,并提供相应的源代码示例。
一、分布函数(Distribution Functions)
在GLM中,分布函数用于描述响应变量的分布类型。常见的分布函数包括:
- 正态分布(Normal Distribution):适用于连续型响应变量,如身高、体重等。
# 正态分布的GLM示例
model <- glm(response ~ predictor, data = mydata, family = gaussian())
- 二项分布(Binomial Distribution):适用于二元响应变量,如成功与失败的次数。
# 二项分布的GLM示例
model <- glm(response ~ predictor, data = mydata, family = binomial())
- 泊松分布(Poisson Distribution):适用于计数型响应变量,如事件发生次数。
# 泊松分布的GLM示例
model <- glm(response ~ predictor, data = mydat