我正在使用相对丰度进行二项式 GLM，例如：model<-glm(cbind(number_pres,number_abs)~Var1+Var2+Var3+Var4..., family=binomial, data=Data)。我的样本量约为 700，我有大约 15 个解释变量。我不能使用泊松，因为每个样本点的“试验”总数各不相同（相对丰度说明了这一点），而且我不想简化为存在/不存在。

我的全局模型过度分散（残差/自由度 = 2.8），并且残差中有一些有趣的模式（见下文）。

无论我添加交互、多项式、变换变量、删除影响点、删除 VIF ~4（集合中的最高 VIF）的变量，过度分散仍然存在。移除影响点和最高 VIF 似乎确实有助于处理残差模式，但不会过度分散。我可以使用family=quasibinomial，但当然许多变量不再重要，我发现这更难解释/理解。如果可能的话，我只想修复过度分散。

我怀疑可能导致问题的两件事是我的物种数据中的大量零，以及与空间自相关有关。我做了一些测试，残差的空间自相关可能是一个小问题（在“汽车”中，Durbinwatsontest 显示拒绝无自相关，但在“gstat”变异函数中，半方差徘徊在 2-2.5 左右）。我在 bernouilli glm 中使用存在/不存在重复了模型（bernouilli 不存在过度分散），没有残留模式，并且在使用零膨胀二项式 glm（包 glmmADMB）时得到类似的结果。我还没有找到具有比例的二项式 glm 的零膨胀模型，但这可能表明零也不是问题。

我应该只为我的模型和随后的嵌套模型集使用准二项式 glms 吗？还是有我缺少的解决方案？