Estoy tratando de modelo de datos de recuento en R, que es al parecer underdispersed (Dispersión Parámetro ~ .40). Esta es probablemente la razón por la que un glm con family = poisson o una binomial negativa (glm.nb) modelo no son significativas. Cuando me miro en el descriptives de mis datos, yo no tengo el típico sesgo de los datos de recuento y de los residuos en mis dos condiciones experimentales son homogéneas, demasiado.
Así que mis preguntas son:
Puedo incluso tener para el uso especial de análisis de regresión para mi recuento de datos, si mi cuenta que los datos no se comportan realmente como los datos de recuento? Me enfrento a la no-normalidad a veces (por lo general debido a la curtosis), pero he utilizado el método bootstrap percentil para la comparación de tapizados medios (Wilcox, 2012) a cuenta de no-normalidad. Puede métodos para datos de conteo ser sustituido por cualquier método robusto sugerido por Wilcox y se dio en la WRS paquete?
Si tengo que utilizan el análisis de regresión para datos de conteo, ¿cómo se cuenta la dispersión? La distribución de Poisson y binomial negativa de distribución de asumir una mayor dispersión, por lo que no debería ser apropiado, ¿verdad? Yo estaba pensando acerca de la aplicación de la cuasi-Poisson la distribución, pero que suele ser recomendada para mayores de dispersión. He leído acerca de la beta-binomial modelos que parecen ser capaces de dar cuenta de la sobre - así como underdispersion están disponibles en la
VGAMpaquete de R. Los autores sin embargo parece recomendar un tilded distribución de Poisson, pero no puedo encontrar en el paquete.
¿Alguien puede recomendar un procedimiento para underdispersed de datos y tal vez de proporcionar algunos ejemplos de código R?
