O que é um modelo linear generalizado?

Ambos os modelos linear generalizados e a regressão de mínimos quadrados investigam a relação entre uma variável de resposta e um ou mais preditores. Uma diferença prática entre eles é que técnicas de modelo linear generalizado normalmente são usadas com variáveis de resposta categóricas. A regressão de mínimos quadrados geralmente é utilizada com variáveis de resposta contínuas. Para uma descrição completa de modelos lineares generalizados, consulte ¹

Ambas as técnicas de modelo linear generalizado e de regressão de mínimo quadrados estimam parâmetros no modelo, de forma que o ajuste do modelo seja otimizado. Os mínimos quadrados minimizam a soma de erros quadrados para obter estimativas de verossimilhança máxima dos parâmetros. Os modelos linear generalizados obtêm estimativas de verossimilhança máxima dos parâmetros usando um algoritmo de mínimos quadrados reponderados iterativamente.

Por exemplo, você poderia usar um modelo linear generalizado para estudar a relação entre anos de experiência de maquinistas (uma variável contínua não negativa), e sua participação em um programa de treinamento opcional (uma variável binária: ou sim ou não), para predizer se seus produtos atendem às especificações (uma variável binária: ou sim ou não). As primeiras duas variáveis são os preditores; a terceira é a resposta categórica.