我正在尝试在 R 中运行 GLM 来获取生物量数据（还原生物量和生殖生物量与营养生物量的比率）作为栖息地类型（“hab”）、收集年份数据（“年份”）和地点的函数数据收集（“网站”）。我的数据看起来很适合 Gamma 分布，但我有 8 个观测值为零生物量（约 800 个观测值中），因此模型无法运行。处理这个问题的最佳方法是什么？另一个要使用的错误分布是什么？或者向我的零观测值添加一个非常小的值（例如 0.0000001）是否可行？
我的模型是：
reproductive_biomass<-glm(repro.biomass~hab*year + site, data=biom, family = Gamma(link = "log"))
啊，零 - 必须爱他们。
根据您正在研究的系统，我很想检查零膨胀或障碍模型 - 基本思想是模型有两个组成部分：一些二项式过程决定响应是零还是非零，以及然后是一个适用于非零的伽玛。巧妙的部分是您可以对两个模型的系数进行推断，甚至对两者使用不同的系数。
http://seananderson.ca/2014/05/18/gamma-hurdle.html ...但搜索“零膨胀伽马”或“tweedie 模型”也可能会产生一些信息性和/或学术性的东西。
在理想的世界中，您的分析工具应该适合您的系统和您的预期推理。零膨胀的世界非常甜蜜，但前提是假设有单独的过程。因此，一个需要回答的重要问题当然是在你的研究背景下，零“意味着”什么，只有你才能回答这个问题——无论它们是恰好非常小的数字，还是真正的零某些混淆过程的结果，例如您的同事洒了漂白剂（或其他对您的研究不感兴趣的东西），或者有趣的真零。
另一个想法：在交叉验证上问同样的问题，你可能会得到一个更具统计意义的答案。祝你好运！