W modelach tych przyjmuje się następujące założenia: Zmienne objaśniające wpływają na zmienną objaśnianą tylko przez tzw. składnik systematyczny
gdzie oznacza transpozycję macierzy Rozkład prawdopodobieństwa zmiennej objaśnianej jest określony przez tzw. składnik losowy modelu:
Wartość oczekiwana składnika losowego zależy od składnika systematycznego w sposób określony przez tzw. funkcję wiążącą
W zależności od wyboru funkcji wiążącej otrzymuje się różne modele.
Nieznane parametry są zwykle estymowane za pomocą metod największej wiarygodności, quasi-największej wiarygodności, lub metod bayesowskich.
Regresja logistyczna
Szczególny przypadek GLM, stosowany, gdy zmienna objaśniana przyjmuje tylko dwie wartości (zwykle oznaczane 0 i 1), np. mówi, czy prognozowane zdarzenie będzie miało miejsce. Funkcją wiążącą jest w tym przypadku logit.