在glmmPQL模型中检查过度分散（df和残余偏差）？

Question

我有一个模特：

glmmPQL(H~Gender,random=~1|Owner/num,family=gaussian,data=M1)

产生输出：

Linear mixed-effects model fit by maximum likelihood
 Data: M1 
  AIC BIC logLik
   NA  NA     NA

Random effects:
 Formula: ~1 | Owner
        (Intercept)
StdDev:   0.1731943

 Formula: ~1 | num %in% Owner
        (Intercept)  Residual
StdDev:   0.4192885 0.1607884

Variance function:
 Structure: fixed weights
 Formula: ~invwt 
Fixed effects: H ~ Gender 
                 Value Std.Error DF   t-value p-value
(Intercept)  1.2220032 0.1011786 90 12.077682  0.0000
GenderM     -0.2062403 0.1430882  8 -1.441351  0.1875
 Correlation: 
        (Intr)
GenderM -0.707

Standardized Within-Group Residuals:
        Min          Q1         Med          Q3         Max 
-0.80403983 -0.19191591  0.03297258  0.24435902  0.81201141 

Number of Observations: 100
Number of Groups: 
         Owner num %in% Owner 
            10            100

我使用glmmPQL（）是因为lmer（）不允许我为嵌套的实验设计编写代码，给我“错误：每个分组因子的水平数必须小于<观察数”（尽管拥有我的数据集）得100分（n_Owner = 10，n_num = 10）。

我正在尝试确定该模型是否过于分散，建议我应该使用伽玛链接（我的数据是连续的并且> 0），但是我看不到残留偏差和自由度的良好输出。确定。我应该查看剩余的StDev（0.16，这似乎太低了），还是其他呢？

谢谢。