一般線性模型、混合線性模型、廣義線性模型
廣義線性模型GLM很簡單，舉個例子，葯物的療效和服用葯物的劑量有關。這個相關性可能是多種多樣的，可能是簡單線性關系（發燒時吃一片葯退燒0.1度，兩片葯退燒0.2度，以此類推；這種情況就是一般線性模型），也可能是比較復雜的其他關系，如指數關系（一片葯退燒0.1度，兩片葯退燒0.4度），對數關系等等。這些復雜的關系一般都可以通過一系列數學變換變成線性關系，以此統稱為廣義線性模型。廣義線性混合模型GLMM比較復雜，GLM要求觀測值誤差是隨機的，而GLMM則要求誤差值並非隨機，而是呈一定分布的。舉個例子，我們認為療效可能與服葯時間相關，但是這個相關並不是簡簡單單的療效隨着服葯時間的變化而改變。更可能的是療效的隨機波動的程度與服葯時間有關。比如說，在早上10：00的時候，所有人基本上都處於半飽狀態，此時吃葯，相同劑量葯物效果都差不多。但在中午的時候，有的人還沒吃飯， 有的人吃過飯了，有的人喝了酒，結果酒精和葯物起了反應，有的人喝了醋，醋又和葯物起了另一種反應。顯然，中午吃葯會導致葯物療效的隨機誤差非常大。這種療效的隨機誤差（而非療效本身）隨着時間的變化而變化，並呈一定分布的情況，必須用廣義線性混合模型了。
這里就要指出兩個概念，就是自變量的固定效應和隨機效應。固定效應和隨機效應的區別就在於如何看待參數。對於固定效應來說，參數的含義是，自變量每變化一個單位，應變量平均變化多少。而對於隨機效應而言，參數是服從正態分布的一個隨機變量，也就是說對於兩個不同的自變量的值，對應變量的影響不一定是相同的。所以說混合線性模型，是指模型中既包括固定效應，又包括隨機效應的模型。