Comparación de diferentes formas de especificar la misma variable de respuesta

Question

Tengo una pregunta sobre las distintas formas de especificar una variable de respuesta en un modelo y el efecto que esto podría tener en mis resultados.

En mi ejemplo, quería modelizar el número de veces que un pájaro visita un nido para alimentar a sus crías durante un periodo de tiempo determinado. Así que los datos serían un conjunto de recuentos, llamémoslo Number of Visits . Ahora bien, algo que puede afectar al número de visitas de un adulto es el tamaño de la cría ( Brood Size ). He visto dos formas de modelar esto en la literatura:

1. Tenga el número de visitas como variable de respuesta e incluya el tamaño de la cría como variable explicativa.
2. Tenga Número de visitas/ Tamaño de cría como variable de respuesta e incluya otras variables explicativas según proceda.

¿En qué se diferenciarían estos enfoques y es alguno superior al otro, daría cada enfoque una respuesta diferente?

Puedo ver que utilizando cada enfoque podrías estar modelando cosas sutilmente diferentes. En la opción 1) usted parece estar modelando el número total de visitas mientras controla el tamaño de la cría, mientras que en la opción 2) parece estar midiendo el número de visitas per cápita.

Answer 1

A menos que sea una práctica habitual, yo evitaría trabajar con ratios como respuesta. Usted ya tiene una tasa de respuesta, visitas/por unidad de tiempo. Se trata de una respuesta típica de regresión por recuento, que suele ajustarse a la regresión de Poisson, aunque no siempre. Yo construiría un modelo con el tamaño de la nidada y las otras variables explicativas.