counts/overdispersion - Erfahrung mit proc glimmix?

Liebes Forum!

Ich arbeite an der Auswertung von Häufigkeitsdaten (counts) und einer multi-level Datenstruktur, aber mein Datenumfang ist, wie meist üblich in der Veterinärmedizin, nicht besonders gross.

Folgende levels sind gegeben: Betrieb(e) (farm=random) - Tier(e) (animal) - Wiederholte Messungen bzw. eigentlich nested repeated measurements: day(period) da pro Periode(insgesamt 3 Perioden) an 3 Tagen gemessen/beobachtet wurde, die Messtage sich auf den Betrieben voneinander unterscheiden (da nicht zeitgleich auf allen Betrieben beobachtet werden konnte).
Die interessierenden fixen Effekte wären Rasse(genotype) und Periode.
(proc glimmix: class genotype farm animal day period; model y= genotype period / solution; random farm; random day (period) /subj=animal(farm) type=cs residual;)

Die Bedingung für eine Poisson-Verteilung meiner Häufigkeitsdaten, dass Mittelwert=Varianz, sind eigentlich nicht ganz erfüllt. Also könnte ich eine negativ binomiale Verteilung annehmen. Wie erkenne ich nun im Output, ob eine "overdispersion - oder "underdispersion" vorliegt, und wie kann/muss ich den scale parameter festlegen, um die Output-Statistiken entsprechend anzupassen???

Da ich sehr viele Nullen in meinem Datensatz habe (seltene Verhaltensweisen), bin ich mir nicht sicher, ob eigentlich eine zero-inflated distribution (poisson oder negativ binomial)angenommen werden soll...

Wann ist es notwendig, für das oben formulierte proc glimmix Modell, ein random intercept zu formulieren? Benötigt man für "random farm" die Angabe einer covariance Struktur (type=?) und ein subject ?

Für meine Intervall-skalierten Daten habe ich bis jetzt mit proc mixed gearbeitet, doch es irritiert mich ein wenig, dass proc mixed im repeated statement die Klammer für die Nestung ignoriert, was heissen soll, dass es egal ist, ob die Formulierung
"repeated day(period)/subj=animal(farm)"
oder
"repeated day/subj=animal"
lautet, der output ist exakt derselbe.
Hat vielleicht jemand schon einmal dieses Phänomen beobachtet?
Braucht SAS diese Nestungsangabe vielleicht gar nicht sondern "versteht" die Struktur von sich aus?

Für jede Hilfe wäre ich sehr froh.
Vielen Dank und beste Grüsse!
Karin_K