广义线性模型（GLM，Generalized Linear Models）是一种统计建模方法，用于描述因变量与一个或多个自变量之间的关系，特别适用于因变量不满足正态分布的情况。
GLM包括了一类更为广泛的模型，例如线性回归模型，逻辑回归模型，泊松回归模型等等。
GLM的出现是因为在许多实际问题中，数据并不符合正态分布或者二值分布。而且很多情况下，因变量与自变量之间的关系并不是简单的线性关系，而是在某种函数（链接函数）的作用下呈现线性关系。
因此，基于这些实际需求和挑战，GLM被提出来，它允许因变量服从任何一种指数族分布，解决了线性回归模型不能解决的非正态或非二值分布问题。同时，通过链接函数，它还能处理因变量与自变量之间非线性的问题，增强了模型的灵活性和实用性。
GLM的主要组成部分有三个：随机分布组件，系统组件，和链接函数。随机分布组件描述了响应变量的概率分布（一般为指数族分布）；系统组件是因变量与自变量的线性预测子；链接函数则定义了因变量和线性预测子之间的关系。
总的来说，GLM提供了一个更为通用和灵活的框架，来解决因变量与自变量之间复杂的关系问题。
