このような状況に該当する広範囲の問題に対して、一般化線形モデルが適しています。一般化線形モデルは、従来の線形モデルを拡張したものです。一般化線形モデルは、線形成分、リンク関数、分散関数で構成されます。リンク関数（）は、単調に推移する微分可能な関数で、Yiの期待値が線形の説明変数にどのように関連しているかを示します。一般化線形モデルの一例は、がリンク関数であるPoisson回帰モデルです。「モデルのあてはめ」プラットフォームの［一般化線形モデル］手法で使用できる一般化線形回帰モデルのモデル例を、第 “一般化線形モデル手法の統計的詳細”に示しています。

一般化線形モデルでも、説明変数の選択は重要です。該当する説明変数がどれだけモデルに貢献しているかは、通常、適合度統計量の変化量によって評価できます。デビアンス（deviance）は、「データが到達可能な最大対数尤度」と「回帰パラメータの最尤推定値における対数尤度」の差に2を掛けたものです。デビアンスは、適合度の統計量としてよく使われます。到達可能な最大対数尤度は、すべてのオブザベーションそれぞれに1つのパラメータがあるモデルで達成されます。

なお、変数選択や罰則を課した方法で一般化線形モデルをあてはめたい場合には、JMP Proの「モデルのあてはめ」プラットフォームにある［一般化回帰］手法を使用してください。「一般化回帰モデル」章（261ページ）を参照してください。