A premissa é esta citação da vinheta do pacote R betareg
1 .
Além disso, o modelo compartilha algumas propriedades (como preditor linear, função de link, parâmetro de dispersão) com modelos lineares generalizados (GLMs; McCullagh e Nelder 1989), mas não é um caso especial dessa estrutura (nem mesmo para dispersão fixa). )
Esta resposta também faz alusão ao fato:
[...] Este é um tipo de modelo de regressão apropriado quando a variável de resposta é distribuída como Beta. Você pode pensar nisso como análogo a um modelo linear generalizado. É exatamente o que você está procurando [...] (grifo meu)
O título da pergunta diz tudo: por que a regressão Beta / Dirichlet não é considerada modelo linear generalizado (não é)?
Até onde eu sei, o Modelo Linear Generalizado define modelos construídos com base na expectativa de suas variáveis dependentes, condicionadas às independentes.
é a função de link que mapeia a expectativa, é a distribuição de probabilidade, os resultados e os preditores, são parâmetros lineares e a variância.
GLMs diferentes impõem (ou relaxam) a relação entre a média e a variância, mas deve ser uma distribuição de probabilidade na família exponencial, uma propriedade desejável que deve melhorar a robustez da estimativa, se bem me lembro. As distribuições Beta e Dirichlet são parte da família exponencial, portanto, estou sem ideias.
[1] Cribari-Neto, F. e Zeileis, A. (2009). Regressão beta em R.