最近看到了一个University of North Dakota的Mark Williamson大师做的一个题为《Generalized Linear Mixed Models for Everything》的报告（大家可以在众所周知的网站上找到这个视频）。光看题目就知道，这哥们儿跟我一样，也是个混合模型粉儿。这个报告十分值得大家参考的一点是把当前统计方法的包容关系做了一个总结，以前虽然我自己在我的混合培训班里根据我的理解也这么讲过，但那毕竟是我自己的理解，并没有看到有人把这种关系形成文字罗列出来。这位大师，总结的就很清楚，也证明了我以前的理解也没有问题。这里把这个统计方法包容关系图，分享给大家，共大家参考。

其中GLM, 即广义线性模型，GMM, general mixed models, 即一般的混合模型，也就是线性混合模型， GLMM，即广义线性混合模型。这里，每一个小圈代表的模型，其实都是大圈代表的模型的一个特例，可见，广义线性混合模型（GLMM）就是当前最为包罗万象的统计模型（这里仅指的是能进行统计推断的模型，也就是通过构建回归公式，或则X,Y的变异关系，能让我们未来依据X对Y的值进行推断的模型）。

这里的另一张片子，也对广义线性混合模型做了简短的介绍：

感谢Mark Williamson大师分享自己的知识和见解，这里也致以诚挚的谢意！

                                        欢迎大家关注本人的个人微信公众号“二傻统计”