我是 DOE 的忠實用戶，擁有多達 8 個因子和一個阻塞變數。隨著時間的推移，每個區塊都會受到某種條件的影響。問題是信噪比隨著時間的推移而提高。假設分佈是常態的，只是寬度隨著時間的推移而減少。另一個關鍵是每個區塊從測試中移除的時間在測試之前是未知的並且不受控制。並且每個區塊都可以在不同的點移除，而不是一次全部移除。
處理阻塞變數分析的最佳方法是什麼？在我看來，移除塊的時間對於模型來說是很重要的訊息
提前致謝。
@DrRubber ，首先歡迎加入社區。 在實驗設計中使用阻塞是處理噪聲的絕佳策略。 關於如何塊以及如何分析塊設計有多種“思想流派”。 有幾種可供選擇的阻塞方法，這些方法可能取決於“一般”應用（例如，農業與工業）。 以下是我對工業應用的看法：
1. 為了澄清語言，塊是噪聲變量的集合或塊（不是單數）。 您可以將因素與塊混淆，但您不會阻止一個因素。
2. 通常實驗包括兩種類型的因素。 設計因素是您願意在未來操縱和管理的因素。 噪音因素是你未來不願意管理的因素，但可能在短期內能夠操縱。 兩組因素都會對響應變量產生因果影響。 我們可能希望模型由設計因素組成，但事實就是事實。 不幸的是，如果您沒有處理噪音的策略，您可能會影響實驗的效率和有效性。 保持噪聲恆定始終是一個壞主意，因為這會減少推理空間，並可能對您推斷實驗結果的信心產生負面影響。 在實驗期間允許隨機變化會降低設計的精度。
3. 使用塊，因此塊內的噪聲保持不變，並且塊之間的相同噪聲顯式地改變。 在塊內保持噪聲恆定可提高設計的精度。 改變塊之間的噪聲增加了推理空間並提供了分配噪聲的機會。
4. 如果您能夠識別所有噪音並在實驗過程中對其進行管理，那麼您有機會不僅分配塊效應，還有逐個因素的相互作用。 逐個因素的相互作用是理解設計因素穩健性的關鍵（設計因素對變化的噪聲有相同的影響嗎？）。 例如，如果您有 3 個因子 A、B 和 C，並且這些因子在 2^3 RCBD 中運行，那麼您有以下模型：
15個自由度
Y =A+B+C+AB+BC+AC+ABC+區塊+區塊A+區塊B+區塊C+區塊AB+區塊AC+區塊BC+區塊ABC
5. 如果您無法識別噪音，那麼您只能將噪音視為隨機效應。 模型變為：
Y=A+B+C+AB+BC+AC+ABC+塊+錯誤
“阻止你能做的，隨機化你不能做的”GEP 盒子
線性回歸的一個基本假設是恆定方差。 您可以改為在 JMP 中使用“對數線性方差”模型。 你可以閱讀他們這裡.
