对于这类属于更广范围的数据分析问题的情况，可以采用广义线性模型。广义线性模型是对传统线性模型的扩展。广义线性模型包含一个线性成分、一个连结函数和一个方差函数。连结函数 是单调的可微函数，它描述 Yi 的期望值如何与线性预测变量相关。广义线性回归的一个示例是 Poisson 回归，其中 是连结函数。有关使用“拟合模型”平台的“广义线性模型”特质的可用广义线性回归模型的完整列表，请参见“广义线性模型”特质的统计详细信息。

拟合广义线性模型的一个重要方面是模型中解释变量的选择。拟合优度统计量的变化通常用于评估解释变量的子集对特定模型的贡献。偏差被定义为可达到的最大对数似然函数值与回归参数的最大似然估计值处的对数似然函数值的差值的两倍。偏差通常用作拟合优度的测度。使用每个观测对应有参数的模型能够实现可达到的最大对数似然。

对于广义线性建模中的变量选择和惩罚方法，您可以使用 JMP Pro 中“拟合模型”平台的“广义回归”特质。请参见第 231 页的“广义回归模型”一章。