一般线性模型（GLM）原理与应用全解析

1. 一般线性模型基础解析

一般线性模型（General Linear Model, GLM）是统计学中最基础也最强大的分析工具之一。我第一次接触GLM是在研究生期间的心理学实验数据分析课上，当时教授用"万能瑞士军刀"来形容它的灵活性。经过这些年的实践，我发现这个比喻确实贴切——无论是简单的t检验还是复杂的多因素方差分析，本质上都是GLM的特例。

GLM的核心思想是通过线性组合来建立预测变量（自变量）与响应变量（因变量）之间的关系。其数学表达式为：
Y = Xβ + ε
其中Y是因变量向量，X是设计矩阵（包含所有预测变量），β是参数向量，ε是误差项。这个看似简单的公式却能衍生出各种分析方法，关键在于如何构建设计矩阵X。

新手常见误区：很多人会把GLM与广义线性模型（Generalized Linear Model）混淆。虽然缩写相同，但后者是前者的扩展，适用于非正态分布的因变量。

2. GLM的核心组件与假设检验

2.1 设计矩阵的构建艺术

设计矩阵X是GLM的灵魂所在。在心理学实验中，我们常用效应编码（effect coding）或虚拟编码（dummy coding）来处理分类变量。以2×2的实验设计为例：

这种编码方式使得主效应和交互效应可以正交分解，便于解释结果。我在分析fMRI数据时发现，正确的编码方式能显著提高统计效力。

2.2 假设检验的三种视角

GLM中的假设检验可以通过三种等价方式实现：

1. 方差分解法：比较模型解释的方差与残差方差（ANOVA框架）
2. 参数检验法：检验单个回归系数是否显著不为零（t检验）
3. 模型比较法：比较完整模型与简化模型的拟合优度（似然比检验）

实际应用中，我最常用的是模型比较法。例如在研究工作记忆负荷时，我会先建立包含所有主效应和交互项的完整模型，再逐步剔除不显著的项，最终得到一个简约模型。

3. GLM在神经科学中的应用实例

3.1 fMRI数据分析流程

在功能性磁共振成像（fMRI）研究中，GLM是标准分析方法。典型流程包括：

1. 预处理：时间层校正、头动校正、空间标准化等
2. 一阶分析：为每个被试建立HRF卷积的GLM
3. 二阶分析：组水平随机效应分析

matlab复制% SPM中的GLM设置示例
matlabbatch{1}.spm.stats.fmri_spec.dir = {'/output_dir'};
matlabbatch{1}.spm.stats.fmri_spec.sess.scans = {'/func/run1.nii'};
matlabbatch{1}.spm.stats.fmri_spec.sess.cond.name = 'Face';
matlabbatch{1}.spm.stats.fmri_spec.sess.cond.onset = [10 30 50];
matlabbatch{1}.spm.stats.fmri_spec.sess.cond.duration = 2;

3.2 多重比较校正策略

fMRI数据分析面临严重的多重比较问题（一个大脑包含约10万个体素）。常用校正方法包括：

• 家族误差率（FWE）校正：控制整体错误率
• 错误发现率（FDR）控制：允许一定比例假阳性
• 团块水平校正：基于空间连续性的阈值

根据我的经验，对于探索性研究，FDR q<0.05是个平衡的选择；而对于验证性研究，应采用更严格的FWE校正。

4. 常见问题与解决方案

4.1 共线性问题诊断与处理

当预测变量高度相关时，会导致：

• 参数估计不稳定
• 标准误膨胀
• 系数解释困难

诊断方法：

• 方差膨胀因子（VIF）>10表示严重共线性
• 条件指数>30提示共线性问题

解决方案：

1. 删除冗余变量
2. 主成分回归
3. 岭回归（L2正则化）

4.2 非正态残差的应对

虽然GLM假设残差服从正态分布，但实际数据常出现偏离。我常用的应对策略包括：

1. 数据转换：对数转换、Box-Cox变换
2. 稳健标准误：Huber-White三明治估计量
3. 自助法：特别是当样本量较小时

重要提示：转换后的模型解释需格外小心。对数转换后的系数应解释为"每单位X变化导致Y的百分比变化"。

5. 高级话题与扩展方向

5.1 混合效应模型

当数据存在层次结构（如被试内重复测量）时，传统GLM会低估标准误。混合效应模型通过引入随机效应解决这个问题：

r复制# lme4包示例
library(lme4)
model <- lmer(Reaction ~ Days + (1 + Days|Subject), data=sleepstudy)

这种模型特别适合纵向研究和跨被试实验设计。我在分析眼动数据时发现，忽略随机斜率会导致I类错误率膨胀。

5.2 贝叶斯GLM

传统频率学派GLM只提供点估计，而贝叶斯方法能给出完整的后验分布。Stan语言实现示例：

stan复制data {
  int<lower=0> N;
  vector[N] x;
  vector[N] y;
}
parameters {
  real alpha;
  real beta;
  real<lower=0> sigma;
}
model {
  y ~ normal(alpha + beta * x, sigma);
  alpha ~ normal(0, 10);
  beta ~ normal(0, 10);
}

贝叶斯方法的优势在于：

• 直接概率解释（如"β>0的概率是95%"）
• 小样本时更稳定
• 自然处理参数不确定性

我在元分析项目中采用贝叶斯GLM，能够更灵活地整合先验信息。