GLMM模型应用疑问：土壤压实度分析的模型选择与验证

研究背景与模型要求 #

我正在分析3个地点（Loc）、2个季节（Seas）下，扰动与未扰动样地的土壤压实度差异。导师明确要求：

• 因变量Y：将压实度读数（测量范围0-6 kg/cm²）除以6得到的比例值
• 固定效应：样地类型（Type，共4类）
• 随机效应：地点（Loc）和季节（Seas）

此前我曾以扰动状态（Status：1代表扰动，0代表未扰动）为因变量、压实度为自变量建模，glmer与glmmPQL结果相近且符合图表趋势，但导师认为该分析逻辑不严谨，要求调整为上述模型设定。

模型代码 #

glmer 模型代码 #

model1 <- glmer(comp/6 ~ Type  +(1|Loc/Seas), data=mydata, 
              family = "binomial")
model2 <- glmer(comp/6~Type +(1|Loc) , data=mydata, family="binomial") 

glmmPQL 模型代码 #

mod1 <- glmmPQL(comp/6~Type, random=~1|Loc, family = binomial, data=mydata)
mod2 <- glmmPQL(comp/6~Type, random=~1|Loc/Seas, family = binomial, data=mydata)

结果矛盾与工具限制 #

• glmer输出结果显示样地类型无显著差异，但glmmPQL结果存在显著差异，且后者与图表趋势一致
• glmer支持通过AIC比较模型拟合度，但无法提供残差方差；glmmPQL能输出所有随机效应及残差方差，但不支持模型间比较
• 导师要求用卡方值验证模型选择，若存在过度分散需使用拟二项分布，但glmmPQL无法执行卡方检验，且glmer、glmmPQL均不支持拟二项分布

核心纠结点 #

随机效应方差极小，glmer的卡方检验建议移除随机效应，但AIC结果建议保留；移除随机效应后用glm得到的结果与glmmPQL及图表完全一致，我不确定是否应该直接改用glm模型。

内容的提问来源于stack exchange，提问作者desperate