免责声明：高度主观的个人意见如下......

对于理论和应用，我不能高度推荐 Hardin 和 Hilbe 的广义线性模型和扩展。它使用SPSS Stata，（两者）我从来没有使用过，也一无所知，但它涵盖了理论并且有一组非常丰富的示例。如果我必须从一本书开始，那就是这本书。

McCulloch、Searle 和 Neuhaus所著的《广义、线性和混合模型》是一本更侧重于理论的书。这比 Hardin 和 Hilbe 的例子少，但对线性模型和 GLM 的随机效应更进一步。这是我最喜欢的 GLM 书，因为它把很多东西联系在一起，但如果你对随机效应不感兴趣，那它可能是矫枉过正。

我称之为 GLM 的规范参考的是 McCullagh 和 Nelder 的广义线性模型。这是一个有点旧的标题，但我非常喜欢它。

Myers、Montgomery、Vining 和 Robinson在工程和科学中应用的广义线性模型在二元/泊松 GLM 上花费了更多时间，并且也有一些有趣的例子。新版本提供了几种语言的示例，包括 R。

不久前，我拿起了 Faraway 的用 R 扩展线性模型：广义线性、混合效应和非参数回归模型，它对帮助我在 R 中做事非常有用，尽管它不是一本很好的“自学 GLM”书。但它可能是其他一些书籍的好伴侣。

格尔曼、安德鲁和詹妮弗·希尔。使用回归和多级/分层模型进行数据分析。剑桥大学出版社，2007 年，不是关于 GLM 本身的，但也涵盖了这一点，并且很好地结合了理论、实践建议、R 中的实现和练习（而且，当你在网上搜索它时，你可能会发现它的电子书版本！）。

哈佛政府部门的这门研究生统计学课程不是教科书，而是免费提供的，它还涵盖了最常见的 GLM。部分视频涵盖了 R 中的实现。教科书是 King, Gary。统一的政治方法论：统计推断的可能性理论。密歇根大学出版社，1989 年。

我真的很喜欢 Frank Harrell 的回归建模策略。

多布森和巴内特的文本

http://www.amazon.com/Introduction-Generalized-Edition-Chapman-Statistical/dp/1584889500

我认为目标正是您要求的方向吗？它在平衡技术细节和友好风格方面做得很好。