我有两个选择啮齿动物喂养试验的数据集。我们通过将它们涂在种子上并将它们与未涂布的对照种子一起提供给啮齿动物来测试10种威慑物的有效性。解释变量是处理种子被涂覆的10种威慑物中的哪种，响应变量是对照种子和处理种子消耗的比例。 我们要问的问题是，“每种威慑力是否都有效减少种子消费？”。对于每种威慑物，用2种不同的啮齿动物复制2种选择的饲料（6只啮齿动物×10次处理= 60次重复）（60次重复×2次配对测量{消耗处理的种子/消耗的对照种子} = 120个数据点），因此非常小的样本给定我们需要的参数数量的大小（10，每个威慑一个）。处理过的种子的数据分布是右倾斜和零膨胀（31个零），而对照种子的分布相对正常，方差比处理种子大，所以我不能使用正常的统计数据。
我选择使用广义回归拟合到β分布，因为我的理解是这个分布考虑了通常在比例数据中发现的非正态性和方差差异，并且β分布可以具有0的渐近线，这允许零通货膨胀。我只需添加一个小常量来移动渐近线的零（k = 0.000001）。我是beta发行版的新手，所以如果我错过了解某些内容，请告诉我。
我使用了JMP的广义回归平台，并选择了beta作为我的发行版。我将种子的比例作为我的y，作为我的x处理/未处理，并在'by'窗口中放置威慑类型。这产生了10个不同的测试，给出了我预期的结果
我的问题是：
鉴于数据的性质，我是否遵循了正确的程序？比如，我是否违反了独立性假设，因为控制消费和治疗消费是配对的，因为它来自同一只啮齿动物？如果是这样，我该如何解决这个问题？
JMP给我的卡方值是否适合多次测试？（因为我使用'by'函数运行了10个）
甚至是我应该显示结果的方式吗？因为广义回归输出窗口允许我与给我p值的学生进行多次比较
