Glossar

Das generalisierte lineare Modell (GLM, englisch: generalized linear model) ist eine Verallgemeinerung des ALM. Es wird genutzt, um abhängige Variablen mit nicht normalverteilten Residuen(sondern z.B. binomial- oder poissonverteilten Residuen) modellieren. Das geschieht über eine sogenannte Linkfunktion.

Ein häufiger anderer Spezialfall ist die logistische Regression für die Vorhersage eines dichotomen Kriteriums(z.B. Aufgabe gelöst: Ja oder nein) durch metrische und/oder kategoriale Prädiktoren. Dabei modelliert die logistische Regression die vorhergesagte Wahrscheinlichkeit für eine Ausprägung des Kriteriums. Die Prädiktoren können zu einer Zunahme der vorhergesagten Wahrscheinlichkeit (positiver Zusammenhang) oder für eine Abnahme der vorhergesagten Wahrscheinlichkeit (negativer Zusammenhang) führen.

Ein Beispiel wäre die Frage, mit welcher Wahrscheinlichkeit eine Aufgabe gelöst wird (abhängige Variable/dichotomes Kriterium - binomialverteilt) abhängig davon, wie viele Stunden eine Person gelernt hat (unabhängige Variable, metrischer Prädiktor) und Nachhilfe nimmt oder nicht (unabhängige Variable, dichotomer Prädiktor).