Este trabalho propõe uma nova classe de modelos de regressão para dados contínuos no intervalo (0;1), como taxas, proporções e dados fracionários. Esta classe de modelos assume distribuição beta para a variável de interesse, estruturas de regressão para os parâmetros de média e de dispersão, covariáveis, parâmetros desconhecidos e funções de ligação paramétricas. Essas funções de ligação consideram parâmetros a serem estimados que modelam a relação entre o componente aleatório e os preditores lineares. Como um caso especial de ligação uniparamétrica consideramos detalhadamente a função de ligação de Aranda-Ordaz assimétrica. A depender dos valores dos parâmetros as funções de ligação remetem a casos particulares de ligações não paramétricas como logit, complemento log-log, entre outras. A estimação dos parâmetros do modelo é feita via máxima verossimilhança. Expressões para vetor escore, matriz de informação de Fisher e aspectos de inferências em grandes amostras são apresentados e discutidos. Medidas de diagnóstico e ferramentas para seleção de modelos também são propostas. Um estudo de simulação de Monte Carlo é considerado para avaliação de desempenho dos estimadores pontuais em amostras de tamanho finito. Por fim, é apresentada uma aplicação do modelo proposto a dados de proporção de descrentes religiosos.