Założeniem jest ten cytat z winiety z pakietu R betareg
1 .
Co więcej, model ma pewne właściwości (takie jak predyktor liniowy, funkcja łącza, parametr dyspersji) z uogólnionymi modelami liniowymi (GLM; McCullagh i Nelder 1989), ale nie jest to szczególny przypadek tego szkieletu (nawet dla ustalonej dyspersji )
Ta odpowiedź nawiązuje również do faktu:
[...] Jest to rodzaj modelu regresji, który jest odpowiedni, gdy zmienna odpowiedzi jest dystrybuowana jako Beta. Można myśleć o nim jako analogiczny do uogólnionego modelu liniowego. To jest dokładnie to, czego szukasz [...] (moje podkreślenie)
Tytuł pytania mówi wszystko: dlaczego regresja Beta / Dirichleta nie jest uważana za uogólnione modele liniowe (czy nie są)?
O ile mi wiadomo, uogólniony model liniowy definiuje modele zbudowane na oczekiwaniu ich zmiennych zależnych od niezależnych.
g Y X β σ 2 jest funkcją łącza, która odwzorowuje oczekiwanie, jest rozkładem prawdopodobieństwa, wyniki i prognozy, są parametrami liniowymi, a wariancją.
Różne GLM narzucają (lub rozluźniają) związek między średnią a wariancją, ale musi być rozkładem prawdopodobieństwa w rodzinie wykładniczej, pożądaną właściwością, która powinna poprawić wiarygodność oszacowania, jeśli dobrze pamiętam. Dystrybucje Beta i Dirichlet są jednak częścią wykładniczej rodziny, więc nie mam pomysłów.
[1] Cribari-Neto, F., i Zeileis, A. (2009). Regresja beta w R.