一般線性模型，或者說歸屬於他下面的方差分析模型/線性迴歸模型大家都是比較熟悉的，但是再往上更復雜的模型各位弄得清楚嗎？這裡分別用一句話總結了整個廣義線性模型家族的特點，每個都是一句話講清楚！
一般線性模型
General Linear Model，GLM，因變數為連續值，不受自變數干擾的時候服從正態分佈，自變數和因變數間的關係則均為線性表示式，類似y=a+bx這種的。順便還要求各案例的因變數測量值間獨立無關聯。
多水平模型
Multilevel models，也稱為混合效應模型（Mixed Models），傳統的一般線性模型只考慮自變數對因變數平均水平的影響情況，混合效應模型則可以同時考慮自變數對因變數離散程度的影響情況，這樣就可以在案例間非獨立（存在相關性）的時候得到更準確的引數估計值和檢驗結果，並且能深入分析這種組內相關性的強度和結構。例如，分析結果可以發現男孩和女孩相比平均成績無差異，但是男孩的成績離散程度更大。
廣義線性模型
Generalized Linear Model，GenMod，借用了一般線性模型的框架，但是允許因變數為任意測量尺度，各種奇怪分佈，自變數和因變數之間則可以是各種曲線關聯，從而將大多數模型都囊括在其框架之下，比如GLM、logistic迴歸、Poisson迴歸，Probit模型等實際上都屬於GenMod的特例。
廣義估計方程
Generalized EstimatingEquations，GEEs，多水平模型用來分析重複測量資料時很強大，但是過於複雜，GEEs則把重點放在固定效應（自變數對因變數平均水平的影響）的估計和檢驗上，而對於組內相關性只是隨便估計一下完事，這樣大大簡化了模型的擬合與解釋。
廣義線性混合模型
Generalized Linear MixedModel，GLMM，這個東東最複雜，但是解釋起來最簡單，無非就是把廣義線性模型和多水平模型疊加起來而已。。。
上述內容，外加比他們原始和簡單得多的多因變數方差分析模型、重複測量的方差分析模型，已經在影片課程《SPSS統計分析教程：高階篇》中全部更新，一共4。5小時！
課程列表
SPSS統計分析教程：高階篇
