我有一個來自兩種選擇的囓齒動物餵養試驗的數據集。 我們測試了 10 種威懾劑的有效性，將它們塗在種子上，並將它們與沒有塗層的對照種子一起提供給囓齒動物。 解釋變量是處理種子塗有 10 種威懾劑中的哪一種，響應變量是消耗的對照種子和處理種子的比例。我們要問的問題是，“每種威懾措施是否能有效減少種子消費？”。 對於每種威懾物，用 6 種不同的囓齒動物重複 2 選擇餵養（6 只囓齒動物 X 10 次處理 = 60 次重複）（60 次重複 x 2 對測量{處理過的種子消耗/對照種子消耗} = 120 個數據點），所以樣本非常少給定我們需要的參數數量（10 個，每個威懾一個）。 處理種子的數據分佈是右偏和零膨脹（31 個零），而對照種子的分佈相對正態，比處理種子的方差更大，所以我不能使用正態統計。
我選擇對 beta 分佈使用廣義回歸擬合，因為我的理解是，這種分佈解釋了比例數據中經常發現的非正態性和方差差異，並且 beta 分佈可以在 0 處有一個漸近線，這允許零通貨膨脹。 我只需要添加一個小常數即可將零從漸近線移開（k = 0.000001）。 我是 beta 發行版的新手，所以如果我錯過了一些理解，請告訴我。
我使用 JMP 的廣義回歸平台並選擇 beta 作為我的分佈。 我將消耗的種子比例作為我的 y，處理/未處理作為我的 x，並將威懾類型放在“按”窗口中。 這產生了 10 種不同的測試，給出了我預期的結果
我的問題是：
鑑於我的數據的性質，我是否遵循了正確的程序？ 就像，我是否違反了獨立性假設，因為控制消費和治療消費是配對的，因為它來自同一隻囓齒動物？ 如果是這樣，我該如何補救？
JMP 給我的卡方值是否針對多個測試進行了調整？ （因為我用 'by' 函數運行了其中的 10 個）
卡方甚至是我應該顯示結果的方式嗎？因為廣義回歸輸出窗口允許我與給我 p 值的學生 t 進行多重比較
