编辑：关于新手的广义线性模型最好的书是什么？不回答我的问题。一方面，我基本上拥有该问题的答案中提到的所有书籍。他们不包括这种材料。我已将我的问题中需要特别强调的部分加粗。这些“新手”教科书没有涵盖我正在寻找的主题。
我看过的关于线性模型或广义线性模型的每一本教科书都涵盖了通常的伯努利、二项式和泊松 GLM（广义线性模型）。
我正在寻找一本涵盖我读过的其他类型 GLM 背后的理论的教科书：例如，正常、反高斯和 Gamma（我想我也从某人那里听说过Tweedie GLM；可以不记得在哪里）。
有谁知道这些材料在教科书中的什么地方？
Faraway的Extended the Linear Model with R一书有一章是关于“其他GLM”的，计数回归一章也有一个负二项式讨论。
使用 H20 进行广义线性建模在 Gamma GLM 和 Tweedie GLM 上有所帮助。请注意，保险公司经常使用 Tweedie GLM，因此您可以从那里找到更多带有关键词的文献。
我不知道为什么 McCullagh 和 Nelder 的《广义线性模型》一书不应该成为最佳竞争者。它被认为是 GLM 的创始工作。这是一本技术性很强的书，侧重于解释、渐近理论和一般框架。GLM 只不过是一个链接函数和一个均值-方差关系。作为一个数学家，你提到的所有“第二代”GLM都只是框架的特例；因此，有了良好的理解和一定的信心，您就可以推导、实施、拟合、解释和测试任何这些模型。
在本书中，您可以找到许多有趣问题和推理的应用数据分析示例，例如累积链接模型（如比例赔率）、Cox 模型（有趣的是 GLM）、离散生存的 cloglog 链接等。
这本书不是命名 GLM 的综合字典（那将是浪费时间），也不是在 R 中拟合 GLM 的详细分步实施指南（它假设读者有专门知识）。但是，它与 R's 非常吻合glm。帮助文件甚至演示了使用自定义链接功能拟合模型。
Hardin 和 Hilbe 所涵盖的内容比典型的基础书籍（Dobson 和 Barnett 等）要多一些；目录显示他们有涵盖伽玛、逆高斯等的章节。我记得他们还有一些其他有用的计数数据扩展（如 NB1，即负二项式，方差与平均值成正比，而不是二次均值函数）。