多変量解析の分類と、一般線形モデルおよび一般化線形モデルは、どういう関係があるのでしょうか？

「多変量解析法の分類」はその目的（予測と分類）の「コンセプト」に依拠するものです。

線形モデルは、複数の変量の影響をまとめるために多元の加算として算出をするというアイデアです。多変量解析においては「コンセプトの実現のため」のデータを算出するための「計算の考え方」として用いられています。

例）因子分析（分類の多変量解析）

http://case.f7.ems.okayama-u.ac.jp/statedu/hbw2-book/node90.html

「多変量解析」と「線形モデル」の関係を分かりやすくするための比較対象としては、ニューロネットワークや遺伝子アルゴリズムなどのいわゆる「複雑系」が上げられます。「線形モデル」は結果を算出する過程を明らかにしますが、「複雑系」は算出の過程が雑多で理解しにくくなっています。

以上、乱文ごめんなさい。

http://userwww.sfsu.edu/~efc/classes/biol710/Glz/Generalized%20L...

このページによれば、重回帰分析、多変量分散分析、主成分分析、判別分析は一般線形モデルにあたります。分散分析・共分散分析も一般線形モデルです。

一般化線形モデルについては私はほとんど知りませんが、上記のリンク先を見ると、ロジスティック回帰分析, Multiway Frequency Analysis (Log-Linear Models), Logit Models, and ポワソン回帰 が例としてあげられています。