我正在使用二项式 GLM 对一些比例数据进行建模 - 即拟合值是 sigmoidal - 但数据看起来可能更适合直线（简单线性模型的模型验证图表明这也可以）。

有没有办法比较这些模型，看看一个是否比另一个更适合？我正在使用 r，最初认为我可以使用

m1 <- glm(y ~ x, family = gaussian)

m2 <- glm(y ~ x, family = binomial)

然后使用 AIC 进行比较。（请注意，协变量对于m1&是相同的m2）。

但是，我已经意识到这两个模型需要以不同的方式构造响应变量 - 作为 中的比例m1，以及包含“成功”和“失败”列的矩阵m2。我认为（？）这意味着这种方法是不合适的。

有没有一种方法可以测试一个模型是否比另一个模型更适合数据？

谢谢您的帮助！

周杰伦

我还应该注意 - 就我对关系的理解而言，除了二项式误差适用于比例数据这一事实之外，没有理论上的理由选择 S 型关系而不是简单的线性关系。