在生态学野外实验中，获取的响应变量与解释变量进行残差的正态分布检验往往在多数情况下并不符合正态分布，这也导致基于普通最小二乘法来拟合线性关系时会受到限制。在这种线性模型无法做进一步分析的情况下，广义线性模型能够允许非正态响应变量的分析。同时，如果硬是要将数据转化为正态（能够转化成功的基础上，如log）从而进行线性回归，有研究指出这可能会对结论产生影响（至今还有争议）。但广义线性模型由于受数据特征的限制，在选取特定分布时存在难点，因为如果在模型选择上不合理，则会导致结果的偏差。比如我遇到的多样性数据问题......

      一般来说，若是单纯计算物种丰度的话能很轻松的选取到合适的模型。而由其能够衍生出的三个常用的多样性指数：Shannon指数，Simpson指数以及Pielou指数。众所周知，后两个指数在选取合理的公式基础上，均能得出值域为[0,1]型的响应值，在包含小数的情况下选取beta回归是较为合理的，但Shannon指数既存在小数，值域又不限定为小于1，所以我的第一反应Gamma分布。但这又存在一个问题，Gamma分布的极大值为正无穷，而Shannon指数则会受丰度影响限制为ln（物种数），不知这种限制是否违反了分布模型的选取，或者有更合理的模型推荐以便于我进一步尝试。

       总之还望有大神能不吝赐教，科学讨论，在此谢过。