在经典 DOE 设计中指定随机块因子大家好，
在 JMP 中生成经典的 DOE 设计时，任何块因子都会自动默认为固定块因子。 我知道我可以通过在“拟合模型”平台中向其添加“随机效应”属性，将其更改为随机块效应以利用 REML 方法。 但是，我注意到我也可以将其设计角色更改为“Random block”，它不会自动分配 Fit Model 中的“random effect”属性。 那么“Blocking”和“Random block”作为设计角色选项有什么区别吗？ 我唯一注意到的是，块因子在分配为“随机块”时显示在预测刻画器中，但在分配为“阻塞”时不显示。 此外，Fit Definitive Screening 平台仅适用于“Blocking”而非“Random block”设计角色。
谢谢。
回复：在经典的 DOE 设计中指定随机块因子@statman和@马克贝利，谢谢你们的有益讨论。 在我着手计划我的实验时，这些是我要牢记的要点。
回复：在经典的 DOE 设计中指定随机块因子我关于限制随机效应的观点与使用 Brad 为 DSD 创建的特殊拟合过程有关。 当然，您可以对 DSD 使用任何分析方法。
两个块将产生非常少的关于随机效应的信息。 方差的估计会很差。 另一方面，将任何变化分配给块的能力将改进对固定效应的估计。
你以前有过“白天”效应的经验吗？
回复：在经典的 DOE 设计中指定随机块因子韩信，
我的一位导师的一些智慧的话，
“所有模型都是错误的，有些是有用的”（GEP 盒子）。”
“面对同样的问题，两位能力相当的调查员通常会从不同的起点开始，走不同的路线，但可能会得出相同的答案。 追求的不是统一而是趋同” （盒子，猎人和猎人，实验者统计）
不幸的是，根据您发布的解释，我不了解您的情况。 我需要了解您要回答的问题是什么，您要模拟的响应变量是什么，您要试验的因素是什么，等等。 一般来说，当我在工业实验中使用块时，我会花很多精力来识别和理解噪音（使用批判性思维和流程图）。 实验的目的是让实验能够代表我们试图得出结论的条件（推理空间）。 这就提出了一个两难的境地，越是具有代表性的实验，实验中的噪声越大，就越难检测出因子效应。 从历史上看，人们选择保持噪声不变以改善精确设计的（Box 的词用于检测因素影响）。 不幸的是，这对推理空间有巨大的负面影响。 因此，在提高设计精度的同时使实验更能代表现实是一项极其重要的工作。 有许多策略可以实现此目的：重复（允许估计短期噪声，例如测量误差）、重复（随机化和 RCBD、BIB）、裂区等。如果您可以先验地识别噪声更有效的方法供您使用. 如果您无法识别噪音，您唯一的选择就是随机化您的情况
中心点运行可能非常有效且有用，但因素必须是定量的。 它们能够评估设计空间的一般曲率（分配二次效应的自由度），如果使用得当，还可以查看设计空间的稳定性。 如果你复制中心点，有人会说你对 MSE 有一个相当好的估计（认为中心点可能是当前条件，所以你有一组当前条件下的数据来测试因素影响）。 如果您在设计空间上随机运行多个中心点，您还可以评估设计空间上的稳定性。
回复：在经典的 DOE 设计中指定随机块因子感谢您提供历史方面的信息和您对此事的看法。 您对我们下面提到的具体情况有何看法？
澄清一下，在我们计划的研究中，由于机器数量有限，我们必须将运行分成 2 个块。 我们计划在同一组机器上运行 2 个块，但在不同的日子，所以这里的块因素是日常可变性。 我假设这应该是随机效应，但想知道它是否值得阻止。
另外要补充的是，我们还计划在每个块中包括至少 1 个中心点运行，这可能有助于估计块到块的方差。
回复：在经典的 DOE 设计中指定随机块因子在 Bradley Jones 的博文中，他提到 DSD 不适合裂区设计，但我真的没有看到他提到一般情况下无法实现随机效应。
在这张纸来自 Jones 和 Nachtsheim，他们通过在同一个块中添加两个中心点运行来估计残差方差，在另一个块中添加另一个中心点运行来估计随机块方差，从而提供了具有随机效应的 DSD 块的方法。
澄清一下，在我们计划的研究中，由于机器数量有限，我们必须将运行分成 2 个块。 我们计划在同一组机器上运行 2 个块，但在不同的日子，所以这里的块因素是日常可变性。 我假设这应该是随机效应，但想知道它是否值得阻止。
回复：在经典的 DOE 设计中指定随机块因子我将提供有关区块、区块效应和区块因子交互的不同观点。 阻塞（复制）的概念可以追溯到 Ronald Fisher 爵士。 块的想法是最小化块内的噪声（保持不变）并最大化块之间的噪声（有目的地选择块以确保块内保持恒定的噪声在块之间发生变化）。 这样做可以提高检测因素影响的精度（例如，降低 MSE），同时增加推理空间（研究在不断变化的噪声上进行复制）。 当将块视为固定效应时，您可以分配噪声的影响，更重要的是确定实验因素的影响是否会随着噪声的变化而重复。 后者通过逐块交互进行估计。 在工业实验和产品设计中，稳健意味着没有噪声因素相互作用（因素/相互作用的影响与不断变化的噪声相同）。 否则，随着时间的推移，您会遇到问题。 以批次间进料为例；如果存在某种影响（因素或相互作用）依赖于取决于大量来料，您希望在设计早期识别这一点，以便设计出对来料稳健的产品。 如果将原材料与区组混为一谈，将区组视为固定效应，则可以估计区组中变量的影响和逐块交互。 不幸的是，大多数软件程序混淆了逐块因子交互与误差项。 您将需要手动指定这些效果（编写您自己的模型）。 我会引用 Box 博士的话“阻止你能阻止的，随机化你不能阻止的”。 我对这句话的解释是，如果你能识别出你最好“阻止它”的噪音。 当然，如果你不能识别噪音，你会随机化。 我已经和 Brad Jones 就这个话题进行了多次讨论......
回复：在经典的 DOE 设计中指定随机块因子DSD 不适用于许多情况。 其中一种情况是当您对区组或裂区随机化有随机效应时。
请参阅有关此问题的 Bradley Jones 博客文章。
回复：在经典的 DOE 设计中指定随机块因子既然你提到固定块比随机块消耗更多的自由度，这是否意味着在通过经典 DOE 生成的现有数据表中将块因子属性更改为“随机效应”会增加参数估计的功率，如果有多个级别的块因子？
回复：在经典的 DOE 设计中指定随机块因子它并不是特定于最佳 DOE 的东西，因此您可以完全分析带有随机块的块状经典设计，即使它默认为固定。 那里真的没有任何缺点。 也就是说，如果您正在执行 DSD，我强烈建议您使用 Fit Definitive Screening 进行分析，我认为您无法强制将 Block 视为随机。回复：在经典的 DOE 设计中指定随机块因子感谢您澄清这两种阻塞效应之间的区别。 我同意随机块效应在大多数情况下最有意义，至少是那些与我的研究相关的情况。
我很好奇的是在生成经典的 DOE 设计或 DSD 设计时如何将块因子分配为“随机块”。 在自定义 DOE 平台中，您可以很容易地指定它。 然而，在经典的 DOE/DSD 中，块因子默认为固定效应，您只能在设计表生成后更改其属性（至少据我所知）。
将随机块效应和 REML 方法用于经典 DOE 设计是否有意义，或者这是否特定于定制设计？
回复：在经典的 DOE 设计中指定随机块因子固定块和随机块在设计优化中的处理方式不同，您应该使用与您将如何拟合模型相对应的块类型。 它们消耗的自由度不同，因此会根据您选择的块类型对设计空间中的点分配方式产生影响。请注意这两种方法之间最小和推荐设计尺寸的差异。固定块通常需要更多运行。
您可能出于某些原因将块视为固定块，但我发现在我见过的大多数情况下随机块更有意义，特别是如果您的目标是考虑块引起的变化而不需要进行任何推断关于效果。例如，如果我在我的设计中包含多个批次的原材料，我不关心批次 A 将平均响应增加 1.5，批次 B 增加 -0.6，因为一旦批次 A 和 B 被消耗，它们就永远消失了，我们永远不会有另一个 Lot A 或 Lot B。我只希望我在设计中使用的批次能够代表我将来会遇到的原材料批次的典型变化。
