广义线性混合效应模型（generalized linear mixed-effects model，GLMM）是通过固定效应和随机效应的线性组合描述非正态因变量概率分布的混合效应模型。它适用于二分类变量、计数变量、比例变量等不适合用正态分布描述的因变量。
与线性混合效应模型直接预测连续因变量的平均值不同，广义线性混合模型假定因变量服从某种概率分布，并预测该分布的参数。例如，因变量为正确或错误等二分类变量（0/1）时，可以假定其服从伯努利分布，模型预测的是因变量取1的概率，而不是直接预测某一次观测必然为0还是1。这一概率本身是连续的数值，可以由固定效应与随机效应的线性组合经过转换后得到，因此叫做“广义线性”。
具体拆解上述过程，首先，固定效应与随机效应构成第i个线性预测值，。其中， 表示固定效应， 表示随机效应。这个线性预测值可以为任意实数。而GLMM的预测值对取值范围有要求，例如概率只能位于0到1之间、预期次数不能小于0，因此，接下来，不同的GLMM需要将线性预测值进一步转化为最终的预测值（将 转化为的函数称为反连接函数，而将转化为的函数则称为连接函数）。
因此，建立GLMM时，除了需要确定模型包含哪些固定效应和随机效应之外，还需要根据因变量的类型与分布特点，来假定因变量服从什么概率分布、采用什么连接函数与具体的模型。以下为一些例子：
- 因变量为二分类变量时，服从伯努利分布，可以采用二项logistic混合效应模型，预测的是各个类别出现的概率。
- 因变量为计数变量时，如果服从Poisson分布，可以采用Poisson混合效应模型，预测的是预期发生的次数。