A An\u00e1lise de Regress\u00e3o Linear era considerada a principal t\u00e9cnica de modelagem estat\u00edstica at\u00e9 meados do s\u00e9culo XX. Seu principal objetivo \u00e9 analisar a rela\u00e7\u00e3o entre uma vari\u00e1vel resposta e uma ou mais vari\u00e1veis explicativas, para identificar uma fun\u00e7\u00e3o que a descreva.<\/p>\n\n\n\n

Atrav\u00e9s dela \u00e9 poss\u00edvel entender as causas de varia\u00e7\u00e3o de um fen\u00f4meno e predizer seu comportamento de acordo com as vari\u00e1veis explicativas. Quando se tem apenas uma vari\u00e1vel explicativa, a regress\u00e3o \u00e9 simples. Do contr\u00e1rio, tem-se uma regress\u00e3o m\u00faltipla.<\/p>\n\n\n\n

Apesar de poderosa, a An\u00e1lise de Regress\u00e3o Linear exige fortes suposi\u00e7\u00f5es para sua utiliza\u00e7\u00e3o, como normalidade, independ\u00eancia e homoscedasticidade dos erros. Foi a partir dessas limita\u00e7\u00f5es que surgiram os Modelos Lineares Generalizados. <\/p>\n\n\n\n

O conceito <\/h2>\n\n\n\n

Os MLGs (Modelos Lineares Generalizados) s\u00e3o uma extens\u00e3o dos modelos de regress\u00e3o simples e m\u00faltipla.
Eles possibilitam utilizar outras distribui\u00e7\u00f5es para os erros e uma fun\u00e7\u00e3o de liga\u00e7\u00e3o relacionando a m\u00e9dia da vari\u00e1vel resposta \u00e0 combina\u00e7\u00e3o linear das vari\u00e1veis explicativas.<\/p>\n\n\n\n