Question

我使用glmulti包中的glmulti函数来获得泊松误差分布式数据的最佳glm模型。没有问题。一旦我获得了最佳模型，我就使用卡方检验来获得输入到模型中的每个变量的p值和检验统计量。我遇到的唯一问题是数据过度分散，Zuur书和Crawley都建议使用准家族函数来纠正过度离散。除了glmulti函数不允许拟合准函数之外，这本身不是问题。

我的问题是，使用具有泊松误差分布的glmulti获得我的最佳模型，然后将最佳模型输出拟合到准函数是不正确的做事方式，如果有任何其他建议，任何人都可以提供。

我还为正常分布的数据运行glmulti（指定系列为高斯和链接作为标识），这确实有效，但如果我违反任何主要规则，请告诉我。

Answer 1

glmulti允许在错误分布中使用准系列。

在你的情况下，你应该简单地用附加参数family = quasipoisson调用glmulti（它将被传递给拟合函数glm）。

请注意，对于此类型号，您使用的是准可能性，因此不建议使用AIC或BIC。你应该使用后者的准等价物（QAIC或QBIC）。这是通过将参数crit设置为“qaic”（例如）来实现的。您必须提供过度离散因子的估计值，通常来自饱和模型（有关更多信息，请参阅文档;或向程序包作者寻求帮助）。

否则，对于使用与此类模型进行多模式比较，没有特定的反指示。

最佳

Answer 2

建议的其他答案的问题是＆＃34; qaic＆＃34;似乎无法在glmulti中工作。对我来说，这虽然有效：

library(bbmle)
qaicmod = function (fit) qAIC(fit, dispersion=with(fit,sum((weights * residuals^2)[weights > 0])/df.residual) ) 

glmulti.out <- glmulti(XXX model formula XXX, 
  data = mydata,crit = "qaicmod", 
   confsetsize = 5, fitfunction = "glm", 
   family = poisson)

这使用常规泊松GLM，但是根据估计的色散系数计算QAIC。在qaicmod函数的色散参数中，您还可以将包含所有变量的全quasipoisson GLM的估计色散系数（我已经看到的一些统计推荐），即改为使用

disp <<- summary(fullmodel)$dispersion
qaicmod = function (fit) qAIC(fit, dispersion=disp)

使用glmulti拟合准家庭？

2 个答案: