¿Cuál es la estrategia adecuada para decidir qué modelo usar con los datos de conteo? Tengo datos de recuento que necesito modelar como modelo multinivel y me recomendaron (en este sitio) que la mejor manera de hacerlo es a través de errores o MCMCglmm. Sin embargo, todavía estoy tratando de aprender sobre las estadísticas bayesianas, y pensé que primero debería tratar de ajustar mis datos como modelos lineales generalizados e ignorar la estructura anidada de los datos (solo para poder tener una idea vaga de qué esperar).
Alrededor del 70% de los datos son 0 y la relación de varianza a la media es 33. Por lo tanto, los datos están bastante dispersos.
Después de probar varias opciones diferentes (incluido el modelo de Poisson, binomio negativo, cuasi y cero inflado) veo muy poca consistencia en los resultados (variar de todo es significativo a nada es significativo).
¿Cómo puedo tomar una decisión informada sobre qué tipo de modelo elegir en función de la inflación 0 y la dispersión excesiva? Por ejemplo, ¿cómo puedo inferir que cuasi-poisson es más apropiado que el binomio negativo (o viceversa) y cómo puedo saber que el uso de ambos ha tratado adecuadamente (o no) con el exceso de ceros? Del mismo modo, ¿cómo evalúo que no hay más dispersión excesiva si se usa un modelo inflado a cero? ¿o cómo debo decidir entre un poisson inflado a cero y un binomio negativo inflado a cero?