我们前面介绍的一般线性模型、Logistic回归模型、对数线性模型、Poisson回归模型等，实际上均属于广义线性模型的范畴，广义
线性模型包含的范围非常广泛，原因在于其对于因变量、因变量的概率分布等条件的限制放宽，使其应用范围加大。

广义线性模型由以下几个部分组成

1.因变量
广义线性模型的因变量还是要去独立性，但是分布不再局限于正态分布一种，而是可以是指数族概率分布的任意一种，其方差也可

以不稳定，但必须要能表达为依赖均值的函数

2.线性部分
广义线性模型因变量与自变量必须为线性关系，即因变量与自变量之间是一次方函数关系，这点和传统线性模型也一样

3.连接函数
用于描述因变量的期望值是如何和预测值相关联的

由上可知，和传统线性模型相比，广义线性模型主要从以下两个方面进行了扩展
1.因变量的分布范围扩大
2.连接函数的引入

通过选定不同的因变量概率分布、连接函数等，就可以拟合各种不同的广义线性模型，例如当因变量分布为正态分布、连接函数为

恒等函数时，就是拟合一般线性模型；当因变量分布为二项分布，连接函数为Logit函数时，就是拟合Logistic回归，当因变量分布

为Poisson分布，连接函数为对数时，就是拟合Poisson回归，下面我们通过一个例子来进行说明广义线性模型在SPSS中的使用情况

。

例，希望研究不同温度不同催化剂不同批次条件下，某化合物的转化率情况，数据如下

根据本例的实验目的，可以采用方差分析，但是本例为嵌套实验设计，共有三个因素，温度、催化剂、批次，其中温度是嵌套在催

化剂因素下面的，因此SPSS无法直接使用方差分析的对话框来进行分析，需要在程序中进行修改，比较麻烦，但是如果使用广义线

性模型，就可以直接使用对话框进行分析了

分析—广义线性模型—广义线性模型