JMP的GLM，JMP Pro的GenReg和SAS Proc GLM你們當中有些人問我關於JMP的GLM，JMP Pro的GenReg和SAS Proc GLM。為了幫助更多的SE更好地評估客戶的需求，我將分享我的回复。
JMP的GLM已存在多年。在添加GenReg之前，GLM是唯一支持基於泊松分佈的計數數據模型（例如，缺陷數量）的建模個性。此外，如果您想要擬合Probit模型而不是Logistic回歸模型，GLM就是您要去的地方。其他僅在GLM中可用的重要選項是Firth偏差調整估計和過度擴散測試。有關模擬罕見事件的Firth偏差調整估計值的更多信息，請查看此博客文章 https://statisticalhorizons.com/logistic-regression-for-rare-events 。作者，教授。 Paul Allison撰寫了幾本廣受歡迎的SAS書籍，其中包括使用SAS進行Logistic回歸 。
今天，您可以使用GenReg來適應計數數據模型以及許多其他非正態分佈模型。GenReg還提供了許多非常有用的變量選擇方法。但是，如果有人想要Firth-bias調整或Probit模型，GLM就是你要去的地方。
SAS PROC GLM與JMP的GLM或JMP Pro GenReg非常不同。它只適合連續的響應變量。它不提供像LASSO等可變選擇選項。一個相對較新的SAS程序，稱為Proc GLMSELECT，執行變量選擇。下面的屏幕截圖列出了Proc GLM的主要功能：
