r语言对导入csv数据做线性回归_R 回归分析（六）广义线性回归模型

广义线性回归模型(GLM)是常见正太线性模型的直接推广，它适用于连续数据和离散数据，特别是后者，如属性数据、计数数据。

广义线性回归模型要求响应变量只能通过线性形式依赖于自变量，从而保持了线性自变量的思想。它们对线性模型进行了两个方面的推广：一是通过设定一个连续函数，将响应变量的期望于线性自变量相联系，二是对误差的分布给出一个误差函数。这些推广使许多线性模型的方法能用于一般问题。

回顾下线性模型：

Y = X^Tβ+ε

这里ε假定有均值为0的正态分布，因此有：

Y ~ N(X^Tβ, σ²)

于是我们就可以通过最大似然估计法得到参数β和σ的估计，而且这个估计在Y是正态假定下等价于最小估计，对Y取期望可得：

μ=E(Y)=X^Tβ=η

但是有一个问题就来了我们上面的模型需要满足的是Y符合正太分布，但如果Y有其他限制了，比如Y为频数或者二元响应变量，如果方差依赖均值，那我们上面的模型就没办法使用了，为了适应更加广泛的不同分布的变量，需要推广上面的模型广义线性模型就是把μ和η用一个函数g()连接起来也就是：

g(μ)=η

这就是广义线性模型，我们把g()函数称为连接函数，广义线性模型要求Y服从包括正态分布的的指数分布族中的已知分布就可。

与