我从 4 个不同的地点收集了 70 种生物体；治疗 1 的两个部位和治疗 2 的两个部位。我还有一个连续的解释变量（平均温度），每个部位都不同。我如何测试不同地点或温度的丰富度和多样性测量值是否不同？
丰富度是每个样本中的物种数量
多样性是存在的每个物种比例的加权平均值。在这种情况下，我们使用的是香农指数：
在哪里是每个物种的比例在那个网站上，并且是网站的丰富性。
当多样性和丰富性是我的响应变量时，我可以使用哪种模型？
这个问题已被 OP 放弃，但没有提供足够的信息来正确回答，以上是试图本着所问的精神提供一个可回答的问题。
原始问题：
我收集了大约。来自 4 个地点的 70 种生物。治疗 1 的 2 个位点和治疗 2 的 2 个位点。如果我有 6 个解释变量，我如何使用 R 进行测试，如果我有 6 个解释变量，两者之间的丰富度、优势度、丰度和多样性是否不同？
我认为这些响应都不完全适合任何标准 GLM 链接功能。采取务实的方法，选择一个广泛做正确事情的链接功能可能就足够了。
您的原始数据来自多项分布，丰富度，, 是得分为 1 或更高的类别数。虽然这是计数数据，但它与普通的计数数据并不完全相同。最显着的区别是您永远不能计数为零。作为务实的第一次尝试，我会考虑建模使用泊松链接函数。这里的手动推理可能是这样的：如果您在固定的时间内以随机速率捕获动物，则捕获的数量将由 Poisson 很好地建模。您正在捕捉固定数量的动物，但动物的类型会随机变化。如果不是你已经看到物种回归的事实，这将是一个很好的匹配。
对于多样性，事情就更不直观了。然而，多样性是丰度的一种平均值（) 的每个物种，因此受. 这表明您可以将其视为比例并使用 logit 链接函数。
高级替代方案
如果支持和“看起来大致正确”方法的务实匹配不令人满意，似乎还有另一种方法。我对此知之甚少，但有一种叫做“*多项式多样性模型”的东西，它旨在处理这类问题。它在这篇论文中有所描述，http://www.ncbi.nlm.nih。 gov/pubmed/23185889但我不知道它有多受欢迎。
然而，它在 R 中实现并且在 CRAN 上可用MRM，显然是上述论文的作者。它包括一个在帮助中用作示例的蜘蛛数据集：
library(MDM)
data(spider6)
fit0 <- mdm(y2p(spider6[,1:6])~1,data=spider6)
fit1 <- mdm(y2p(spider6[,1:6])~Water,data=spider6)
fit2 <- mdm(y2p(spider6[,1:6])~Water+Herbs,data=spider6)
fit3 <- mdm(y2p(spider6[,1:6])~Site,data=spider6,alpha=TRUE)
anova(fit0,fit1,fit2,fit3)