我使用了glmulti包中的glmulti函数来获得泊松误差分布数据的最佳glm模型。那里没有问题。一旦我获得了最佳模型，我就使用卡方检验来获得 p 值并测试输入到模型中的每个变量的统计数据。我遇到的唯一问题是数据过度分散，Zuur book 和 Crawley 都建议使用准族函数来纠正过度分散。这本身不是问题，只是 glmulti 函数不允许拟合准函数。
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否是做事的不正确方法，如果有任何其他建议任何人都可以提供。
我还为正态分布的数据运行 glmulti（将家庭指定为高斯，将链接指定为身份），这确实有效，但如果我违反了任何主要规则，请告诉我。
【问题讨论】：
建议的另一个答案的问题是“qaic”似乎不适用于glmulti。
对我来说这很有效：
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完整准泊松 GLM 的估计色散系数放入（我见过的一些统计数据建议这样做），即改为使用
disp <<- summary(fullmodel)$dispersion
qaicmod = function (fit) qAIC(fit, dispersion=disp)
【讨论】：
glmulti 确实允许误差分布中的准系列。
在您的情况下，您应该简单地使用附加参数 family=quasipoisson 调用 glmulti（它将传递给拟合函数 glm）。
请注意，对于这种类型的模型，您使用的是准似然，因此不推荐使用 AIC 或 BIC。您应该使用后者的准等效项（QAIC 或 QBIC）。这是通过将参数 crit 设置为“qaic”（例如）来实现的。您必须提供过度分散因子的估计值，通常来自饱和模型（有关更多信息，请参阅文档；或向软件包作者寻求帮助）。
否则，使用多模型比较与此类模型没有具体的反指示。
最好的
【讨论】：