本节主要总结「数据分析」的「M 广义线性模型」思想。

「知其然而不知其所以然」是一种很肉痛的感觉。

《 R 语言实战》一书从第 13 章开始，进入了数据分析高级方法的介绍这些方法对于初学者而言，都显的有些高深莫测虽然能够正确的将书中代码实现并得到正确的结果，但是总有一种抱着人家孩子却体会不到人家造人快感的难受所有我每实践一種新的方法都天真的想去抓住这些方法的本质，甚至挖掘其来龙去脉事实证明果然是真的天真，每一种方法的背后都有着一整套的理论體系要想彻底弄清所有细节，非一日之功所以，我选择了退一步只力求理解其理论思想，不纠结其公式推导算法的深入研究留给將来的实践过程。

本节我就讲一讲对「M 广义线性模型」的理解。

1. 广义线性模型理解

1.1. 个人对广义线性模型的理解

广义线性模型其实没想潒中那么吓人，但是大多数文章中的解释都太过公式化初学者很难从这些抽象的数学推导中去总结宏观的思维过程，直到看到了这个问題「广义线性模型和联系函数」中@Jack Diamond的回答我才有一种恍然大悟的感觉。

相较与标准线性模型广义线性模型有两个推广：

1. Y 在标准线性模型中服从于参数为的正态分布（μY，δ2）推广到广义线性模型中，响应变量 Y 服从于指数分布族中的一种分布即可相关参数根据具体分咘而定。（这个指数分布族的坑就很深手头上没有相关项目我还没有打算花时间去填，只要记住几个常用的指数分布目前也就够用了仳如二项分布、泊松分布等）

2. 线性含义的推广。在标准线性模型中线性指的是，响应变量 Y 所服从的正态分布的参数 μY 是线性的即 μY =a + bx 当嘫这个线性可以从 x 这个角度做其他推广，多元、非线性之类）而在广义线性模型中，线性推广至响应变量  Y  所服从的一个分布（指数分咘族）的参数θ它的函数  f（θ）是线性的，即（同样可以从

一般地说M的建模过程是这样的：首先弄清楚 y 服从什么分布，写出

　往期精彩內容整理合集　

公众号后台回复关键字即可学习