Boken 'Generalized Linear Models and Extensions' gir en grundig introdusjon til generaliserte lineære modeller (GLM), og utvider det tradisjonelle lineære regresjonsrammeverket til anvendelser med ikke-Gaussiske eller diskrete responsvariabler. GLM-teorien bygger på den eksponentialfamilien av distribusjoner, som inkluderer en rekke modeller som logit, probit og Poisson. Selv om disse modellene kan tilpasses ved hjelp av spesialiserte kommandoer i Stata, som for eksempel 'logit' for logit-modeller, tilbyr tilpasning via Statas 'glm'-kommando flere fordeler. En av fordelene er at modelldiagnostikk kan beregnes og tolkes på en ensartet måte, uavhengig av den antatte distribusjonen. Denne teksten dekker både teoretiske og databehandlingsmessige aspekter av GLM med hovedvekt på Stata. Den teoretiske delen demonstrerer hvordan forskjellige GLM-modeller er spesialtilfeller av eksponentialfamilien, fremhever generelle egenskaper ved denne familien av distribusjoner, samt viser fremstillingen av maksimum likelihood (ML) estimatorer og standardfeil. Hardin og Hilbe illustrerer også hvordan iterativt vektede minste kvadraters metode kan anvendes i denne sammenhengen.
