表記のタイトルからは一般化線形モデルを想起される方々も多いと思う。そこではリンク関数を通して線形な関係を扱い、誤差分布を定義する。この枠組みは、ロジスティック回帰やポアソン回帰が適用されるデータも、あたかも重回帰分析を行っている感覚で分析することを可能にする。分析を重ねるにつれ、データは、背後にある関係式とそのまわりの誤差の分布を合わせることにより表現されることを体得する。統計言語Rの普及により、いまでは自由に関係式と誤差分布を尤度の形で表現し、予測誤差を測るAICを通して有望な統計モデルを絞り込むことができる。これにより、生物・生態学的に直接解釈可能な推測を行うことができるようになった。ここでは、殺虫剤の効用試験、苗木の成長試験の２つの古典的データを見つめなおす。前者はカウントデータであるが、反復測定が過分散を検出することを見る。後者は継時的に測定されたデータで、季節性を伴う成長のタイミングと大きさに関する集団特性を測り、オゾンへの曝露の影響を調べる。