我有一个渔业数据集，我已经为地图上的每个网格单元计算了值。该值是该单元格中每个月/年的总捕鱼组的比例。因此，我的值介于 0-1 之间，但不包括 0 和 1（范围实际上非常偏斜，为：0.0005347594 到 0.1933216169）。我感兴趣的是随着时间的推移，靠近特定位置的钓鱼组的比例是否更高。

我已经读过有两种方法可以做到这一点——要么是带有二项式族和 logit 链接的 GLM，要么是 beta 回归。

我在 R 中尝试了这两种方法：

二项式 GLM：

m1 <- glm(PercentTotalSets ~ factor(SetYear) + DayLength + DistTZCF + DistNWHI, 
          family = binomial(link='logit'), data = Totals_CellId) 

测试版：

BetaGLM <- betareg(PercentTotalSets ~ factor(SetYear) + DayLength + DistTZCF + DistNWHI, 
                   data = Totals_CellId ) 

使用二项式 GLM，我得到的结果与我运行具有 gamma 分布的 GLM 时的结果非常不同（例如，DistNWHI在 p 值为 0.9 的情况下不显着，而在它显着之前）。通过 beta 回归，我得到了与具有伽马分布的 GLM 非常相似的结果（例如，DistNWHI具有相似 p 值的显着性）。

我认为 beta 回归是正确的方法，因为我没有 0 或 1，我需要设置界限，但我不确定这是否正确。

我会很感激任何和所有的建议。