但在許多情況下，假設(shè)因變量為正態(tài)分布（甚

至連續(xù)型變量）并不合理，例如下面這幾種情況。

? 結(jié)果變量可能是類(lèi)別型的。二值變量（比如：是/否、通過(guò)/未通過(guò)、活著/死亡）和多分類(lèi)

變量（比如差/良好/優(yōu)秀）都顯然不是正態(tài)分布。

? 結(jié)果變量可能是計(jì)數(shù)型的（比如，一周交通事故的數(shù)目，每日酒水消耗的數(shù)量）。這類(lèi)變

量都是非負(fù)的有限值，而且它們的均值和方差通常都是相關(guān)的（正態(tài)分布變量間不是如

此，而是相互獨(dú)立）。

廣義線(xiàn)性模型擴(kuò)展了線(xiàn)性模型的框架，它包含了非正態(tài)因變量的分析。

在本章中，我們將首先簡(jiǎn)要概述廣義線(xiàn)性模型，并介紹如何使用glm()函數(shù)來(lái)進(jìn)行估計(jì)。然

后重點(diǎn)關(guān)注該框架中兩種流行的模型： Logistic回歸（因變量為類(lèi)別型）和泊松回歸（因變量為

計(jì)數(shù)型）。

為了讓討論更有吸引力，我們將把廣義線(xiàn)性模型應(yīng)用到兩個(gè)用標(biāo)準(zhǔn)線(xiàn)性模型無(wú)法輕易解決的

問(wèn)題上。

? 什么樣的個(gè)人信息、人口統(tǒng)計(jì)信息和人際關(guān)系信息可以作為變量，用來(lái)預(yù)測(cè)婚姻出軌問(wèn)

題？此時(shí)，結(jié)果變量為二值型（出軌/未出軌）。

? 藥物治療對(duì)于八周中所發(fā)生的癲癇次數(shù)有何影響？此時(shí)，結(jié)果變量為計(jì)數(shù)型（癲癇次數(shù)）。

我們將利用Logistic回歸來(lái)闡釋第一個(gè)問(wèn)題，用泊松回歸闡釋第二個(gè)問(wèn)題。建模過(guò)程中，將

還考慮對(duì)每種方法進(jìn)行擴(kuò)展。