Logistische Regression vs. GzLM (verallg. lineare Modelle)

[Lenzo]

Geschätzes Forum,

ich weiß, dass die GzLM/verallgemeinerten linearen Modelle eine ganze Reihe von regressionsanalytischen Verfahren "unter einem Hut" abdecken. Allerdings bieten Sie ja auch (SPSS-)Optionen, die andernorts nicht (im SPSS-Menü) verfügbar sind, z.B.

Ich will eine Regression mit 2 zweikategoriellen/binären UV's auf eine ebenfalls zweikategorielle/binäre AV rechnen.

Hierfür könnte ich den "Standardweg" einer Binär-Logistischen-Regression mit zwei kategorialen Variablen wählen, aber man könnte auch den Weg der GzLM einschlagen und dort sozusagen eine binär-logistische Regression durchführen. (Im Rahmen des Statistik-Programms "R" wird die logistische Regression bspws. auch über den Befehl GLM Befehl angefordert.)

Aber was unterscheidet nun konkret beide Vorgehensweisen oder führen sie letztendlich zu identischen Resultaten?

Beim GzLM-Weg habe ich ja unter anderem die Möglichkeit, die genau Link-Funktion zu spezifizieren, aber wähle ich hier nun
- binär logistisch
- binär probit
- intervallzensiertes überleben ???

Und: Welche Schätzer sind am besten geeignet - "Modellbasiert" oder "Robust" ???

Diese beiden Modellierungsmöglichkeiten bieten sich mir in der "normalen" binär-logistischen Regression ja nicht!!! Welcher Berechnungsweg ("normal" vs. GzLM) ist nun vorteilhafter/optimaler/adäquater/sauberer? Und was für Modellierungs-Einstellungen wären im Falle der GzLM-Option wann am sinnvollsten?


Hat hierzu jemand hilfreiche Erklärungen, Anregungen oder Literaturtipps parat?


Besten Dank schon mal im Vorfeld!