廣義線性模型是傳統線性模型的延伸，可讓您為非常態分布的資料 (例如視為離散的計數或測量比例) 建立模型。

您也可使用廣義線性模型工作，為平均值限定於一個範圍的值或所有觀測值的變異數皆為非常數的資料建立模型。

您可以使用這項工作進行下列任何一項作業：

例如，假設您的機器零件發生故障，其中部分是由 A 製造商所製造，部分是由 B 製造商製造。您可以使用此作業來檢定兩家製造商在機器零件壽命方面的差異。

例如，假設您有一個資料集，其中包含三個冰淇淋品牌味道的假設檢定結果。三個品牌的味道是以五點尺度來評等，從非常好 (A) 到非常差 (E)。

系統會執行分析，以評估三個品牌的排名差異。

資料說明：

這個例子的資料是三個品牌冰淇淋的口味測試結果，A表示受測者對該品牌的口味表示非常好，依此類推E表示受測者對該品牌的口味表示非常差，該資料為整理過的資料count變數表示這個選項之人數。

在工作的快捷選單中選擇<分析>→<迴歸>→<廣義線性模型>

於左側的選單中選擇<資料>，將要指派的變數(A)中的變數，拖曳至右側工作角色(T)中的應變數欄；

接著將要指派的變數(A)中的拖曳至右側工作角色(T)中的分類變數欄；

再將要指派的變數(A)中的拖曳至右側工作角色(T)中的次數計數欄。

於左側的選單中選擇<模型>，先點選類別及屬量變數視窗中的變數後，再點選<主要>按鈕，將brand加入右側的效果視窗。

執行上述步驟後則視窗的結果如下

於左側的選單中選擇<模型選項>，於分配選項中選取<多項式>選項，再於連結函數選項中選取

<累積對數優劣比>選項後，按一下<執行>。

下表顯示了資料集模型的一些資訊，包含了模型的分佈及聯結函數，數據中分類變數brand的類別層及資訊和應變數taste的排序値及次數。

下表為模式中參數的最大概度估計值，其中 intercept1=(p₁/1-p₂) 表示第一個累積的 logit 値，

而 intercept2=log((p₁+p₂)/1-(p₁+p₂))，依此類推。

下表為第一型分析的 LR 統計値表，冰淇淋的品牌 (brand) 其檢定  p-value 値 <.0001表示在不同品牌中有顯著差異。