将GLM与Poisson或Negative二项式与Count数据一起使用

Question

我目前正在尝试为R中的数据运行glm，我正在尝试了解我是否使用了最佳模型。

我的数据是四种蝇随时间生存的计数数据，物种，性别，密度和日（我每5天重复一次我的存活计数）作为不同的因素。

我的代码如下所示：

survival <- cbind(Dead,Alive)
model1 <- glm (survival ~ Species*density*Sex*day,
      data = DataM5, family = quasibinomial)
car::Anova(model1, Type = "III")
plot(model1)

我的QQ情节有很重的尾巴，我的残差与合适的情节看起来非常偏向右边。我理解这意味着我的方差不是正常分布的（请原谅我，如果我没有这个权利，我正在努力去理解统计数据但是尽我所能），如果是这样的话，那么我的假设是我的被侵犯了。根据我的阅读，我认为我需要使用泊松分布或负二项分布，但我似乎无法使它们中的任何一个起作用。这是正确的方法吗？如果它是如何让它在R中工作？

Answer 1

1. 具有日志链接功能的泊松回归通常用于模拟计数响应
2. 物种密度性别*日，您包括所有协变量的互动，考虑是否真的有必要。通过使用此模型，您可能会拥有一个过度拟合数据的模型。
3. 泊松回归是GLM中的一个，但残差并不是正常分布的。