整合 Table 7.7、Figures 7.15–7.16 與 Table 7.8，理解 Generalized Linear Model（GLM）與 Logistic Regression 的關係。
能選擇 Distribution 與 Link Function，並理解 GLM 如何 Generalize Regression。
SAS VA 可用 GLM 重建 MLR 與 Logistic Regression；不同 Response Data 需要不同 Distribution／Link。
| Distribution | Data Values | Link Functions |
|---|---|---|
| Binary | Two distinct values | Logit、Probit、Log-log、C-log-log |
| Normal | Real values | Identity、Log |
| Poisson | Non-negative integers | Log、Identity |
| Gamma | Non-negative real numbers | Log、Identity、Recip |
要重建 Logistic Regression，選 Binary Distribution＋Logit Link；GLM 要求 Response Numeric，因此 Survived=1、Perished=0。
原書指出 GLM 與 Logistic Regression 產生相同 Parameter Estimates；AIC=1221.27 亦相同。GLM 不產生 Pseudo R²。
GLM 的價值在於可處理 MLR／LR 之外的資料型態，例如 Count Data 可考慮 Poisson；原書另提 Zero-inflated Poisson，但指出 SAS VA 不提供。
根據原書 Table 7.7 與我提供的 Response Data Type，說明可用的 Distribution／Link 選項；不要加入原書未列的方法。
如何用 GLM 重建本章 Titanic Logistic Regression？
參考解答： Response recode 為 Survived=1、Perished=0，選 Binary Distribution 與 Logit Link。