GLM 即廣義線性模型（General Liner Model）過程，對于非平衡數據，應采用GLM過程.它使用最小二乘法對數據擬合廣義線性模型. 該過程功能強大，可用于多種不同的統計分析中. GLM過程用于方差分析時，主要語句和使用格式與上述ANOVA過程類似 .

2. 應用實例

一個工廠用三種不同的工藝生產某種電池. 從三種工藝生產的電池中分別抽取5個樣品，測得樣品壽命的數據如下（單位小時）：

       我們要研究的指標是電池的壽命，工藝是影響壽命的一個因素，三種工藝分別是該因素的三個水平. 在試驗中我們假設其它因素都處于相同的狀態. 這里我們希望利用上面得到的數據來考察“工藝”的不同是否對“壽命”這個指標有影響？

sas 輸入過程

         Data  exam;            

    Do  I=1 to 5;            /*每個處理下5次重復*/

    Input x@@;

    Output;

    End;

    End;

    Cards;

    40 46 38 42 44

    26 34 30 28 32

    39 40 43 48 50

    ;

    Procanova;              /*調用方差分析過程*/

    Class trt;                /*定義處理為分類變量*/

    Model x=trt;             /*定義效應模型*/

    Title '方差分析';

    Run;

sas 結果輸出

   Analysis of Variance Procedure

Dependent Variable: X

Source    DF     Sum of Squares     Mean Square      F Value    Pr > F

Model      2        573.33333333         286.66666667        19.77     0.0002

Error      12       174.00000000         14.50000000

CT          14       747.33333333

  R-Square       C.V.          Root MSE             X Mean

  0.767172      9.847982      3.80788655          38.66666667

以上結果相當于方差分析表， F值為19.77，顯著性水平為0.0002，小于0.01，說明各處理間的均值差異極顯著. 

注：GLM過程與ANOVA應用過程類似，GLM過程中可以進行回歸分析、方差分析、協方差分析、劑量反應模型分析、多元方差分析和偏相關分析等等，其功能之強大可見一斑。