Üldistatud lineaarse mudeli sobitamine käib funktsiooni glm abil, ent on muidu vägagi sarnane (samad funktsiooninimed mudelist erinevate väärtuste kättesaamisel) eelnevale. Olulise täiendusena tuleb valida andmete jaotus ja seosefunktsioon argumendi family abil. Näiteks tavalisele lineaarsele mudelile vastab valik gaussian(link = "identity"), ent kõigist võimalikest valikutest saab ülevaate funktsiooni family abifaili vaadates.

Näiteks:

> m3=glm(weight~Diet*Time,family=gaussian("log"),data=ChickWeight)
> summary(m3)

Call:
glm(formula = weight ~ Diet * Time, family = gaussian("log"),
    data = ChickWeight)

Deviance Residuals:
     Min        1Q    Median        3Q       Max 
-150.906   -12.839    -4.749    10.976   125.059 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept) 3.844792   0.062450  61.566  < 2e-16 ***
Diet2       0.086906   0.098469   0.883  0.37784   
Diet3       0.076215   0.093999   0.811  0.41781   
Diet4       0.197107   0.092675   2.127  0.03386 * 
Time        0.066094   0.003752  17.618  < 2e-16 ***
Diet2:Time  0.004571   0.005822   0.785  0.43270   
Diet3:Time  0.016189   0.005488   2.950  0.00331 **
Diet4:Time  0.004741   0.005516   0.860  0.39038   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for gaussian family taken to be 1167.718)

    Null deviance: 2914556  on 577  degrees of freedom
Residual deviance:  665598  on 570  degrees of freedom
AIC: 5732.5

Number of Fisher Scoring iterations: 5

ja

> anova(m3,test="Chisq")
Analysis of Deviance Table

Model: gaussian, link: log

Response: weight

Terms added sequentially (first to last)


          Df Deviance Resid. Df Resid. Dev P(>|Chi|)   
NULL                        577    2914556             
Diet       3   155863       574    2758693   < 2e-16 ***
Time       1  2081410       573     677283   < 2e-16 ***
Diet:Time  3    11685       570     665598   0.01851 * 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 

Siin on põhjust veelkord peatuda funktsioonil anova, mis saades argumendina vaid ühe mudeli paneb ükshaaval mudelisse kõik argumendid ja teostab igal sammul kahe järjestikuse mudeli (ilma ja koos vastava tunnusega) vahel võrdluse nõutud testi abil. Samas võib sellele funktsioonile ette anda ka kaks mudelit, millest üks on teise laiend (sisaldab samu argumente, mis esimenegi, ja veel mõnda) ja siis teostab funktsioon nende mudelit omavahelise võrdluse (ehk testib lisatud argumentide mõju).