Lorsque la variable réponse est constituée de pourcentages ou de proportions qui ne surviennent pas de succès et échecs de \(n\) oui/non (expérience de Bernouilli) il n’est pas possible d’utiliser une distribution binomiale. Dans ce cas, il est souvent conseillé d’effectuer une transformation logit des données et d’utiliser un modèle linéaire (mixte). Voir cet article.
Pour des données qui semblent distribuées normalement après une transformation log, log-transformation, il est parfois préférable d’utiliser une distribution log-normale dans un GLM, au lieu de transformer les données en log.
Une distribution gamma peut également être utilisée. Elle est similaire à une distribution log-normale, mais est plus polyvalente.
La distribution Tweedie est une famille de distributions polyvalentes qui est utile pour les données comportant un mélange de zéros et de valeurs positives (pas nécessairement des abondances). Voir le paquet R Tweedie.
Lorsque les données comportent un nombre excessif de zéros, qui proviennent d’un processus différent de celui qui génère les comptages, il convient d’utiliser des distributions «zero-inflated» Poisson ou binomial négatif «zero-inflated». Ces méthodes sont disponibles, dans le paquet glmmADMB, parmi d’autres.
