我的问题主要涉及通用线性建模（GLM）和广义线性建模（GZLM）之间的实际差异。

在我的情况下，与 GZLM 相比，它将是一些作为协变量的连续变量和 ANCOVA 中的一些因素。我想检查每个变量的主要影响，以及我将在模型中概述的一种三向交互作用。我可以看到这个假设正在 ANCOVA 或使用 GZLM 中进行测试。在某种程度上，我了解运行像 ANCOVA 这样的一般线性模型背后的数学过程和推理，并且我有点理解 GZLM 允许连接线性模型和因变量的链接函数（好吧，我撒谎了，也许我没有真的懂数学）。

我真正不明白的是，当 GZLM 中使用的概率分布是正常的（即身份链接函数？）时，运行一种分析而不是另一种分析的实际差异或原因。当我在另一个上运行时，我得到了非常不同的结果。我也可以跑吗？我的数据有些不正常，但在一定程度上在 ANCOVA 和 GZLM 中都有效。在这两种情况下，我的假设都得到支持，但在 GZLM 中，p 值“更好”。

我的想法是 ANCOVA 是一个线性模型，具有使用恒等链接函数的正态分布因变量，这正是我可以在 GZLM 中输入的，但这些仍然不同。

如果可以的话，请为我解答这些问题！

根据第一个答案，我还有一个问题：

如果除了它使用的显着性检验（即 F 检验与 Wald Chi Square）之外它们是相同的，那么哪个最适合使用？ANCOVA 是“首选方法”，但我不确定为什么 F 检验更可取。有人可以为我解释一下这个问题吗？