Tenemos una serie de experimentos en los que medimos la transmisión del virus a las plantas cuando se exponen a insectos infectados por el virus durante diferentes periodos de tiempo, por lo que todos los experimentos tienen tipos similares de variables independientes y dependientes. En un experimento, hay 6 periodos de tiempo (de 1 a 24 horas) y se analizaron 25 plantas (individualmente) para cada periodo de tiempo. La respuesta para cada planta es sí o no (las plantas se puntúan como infectadas por el virus). En 2 de los intervalos de tiempo, todas las plantas dieron negativo para la infección por virus (0/25 para cada intervalo de tiempo).
Estoy utilizando PROC GLIMMIX en SAS para los análisis. Para todos los demás experimentos, el uso de una distribución binaria en la declaración del modelo da resultados razonables. Para el experimento en el que dos de los intervalos de tiempo tenían 0 plantas positivas, si utilizo una distribución binaria en la declaración del modelo, los errores estándar para los dos grupos con 0 transmisiones son enormes, distorsionando así los resultados.
Si utilizo una distribución binomial negativa (basada en el recuento de plantas positivas al virus), los resultados parecen razonables. Dado que se analizó el mismo número de plantas en cada intervalo de tiempo, este enfoque funciona, pero difiere de los demás experimentos.
¿Existe algún método para ajustar/contabilizar los ceros en los grupos de tratamiento que permita que la distribución binaria arroje resultados razonables?
