ブロッキングが追加された完全な階乗分析親愛なるJMPコミュニティ、
最初に、私は完全な階乗-3因子（2連続+1カテゴリー）-プロセスチャンバーをカテゴリー因子として使用して、次の実験を設計しました。
問題のプロセスについては、チャンバーごとにばらつきがあることはすでに知られていますが、すべてのチャンバーは特定の仕様制限内で動作可能でなければなりません。 したがって、カテゴリパラメータとしてチャンバーを含めるという最初の決定。
合計で20回の実行がありました。 実験が行われ、データが収集されました。
1.チャンバーは変量効果と見なすことができるので、そもそもブロッキングを使用した完全階乗が使用された方がよいでしょうか。 はいの場合、私はめちゃくちゃです。 
2.収集した既存のデータを使用してデータを適切に分析する他の方法はありますか？
前もって感謝します
AmirSS
DOERe：ブロッキングが追加された完全な階乗分析なぜチャンバーは変量効果と見なされるべきだと思いますか？
因子のレベル間に重要な違いが見られ、レベルを制御できない場合は、因子効果を変量効果としてモデル化します。
典型的な例は、毎日複数の実行があり、1つ以上の「ノイズ」要因（たとえば、周囲温度、湿度、毎日の機器のキャリブレーション、シフト演算子など）のために、日ごとに応答の違いが予想されるDAYです。それは日々変化し、あなたがコントロールすることはできません。
DAYの変量効果を含めて、日々の雑音指数の変動を処理し、関心のある固定効果による変動から分離することができます。 このようにして、制御できる要因の影響をより正確に見積もることができます。 ただし、DAYのランダムな影響についての情報がないため、将来の1日について具体的な予測を行うことはできません。
さて、一方で、曜日によって変化する方法で予測可能なDAY効果があるのではないかと疑うかもしれません。 たぶん、月曜日と火曜日にもっと高い反応を期待するでしょう。 その場合、固定効果としてDAY（M、Tu、W、Th、Fr）をモデル化します。 モデルを使用すると、特定の曜日に表示される可能性のある応答について予測を行うことができます。
うまくいけば、それは理にかなっています。
したがって、あなたにとっての質問は、Chamberが最初の例のDAYの「ノイズの多い」効果のようなものなのか、それとも2番目の例のDAYの予測可能な効果のようなものなのかということです。
私はあなたの混乱に加わっていないことを願っています！
フィル
Re：ブロッキングが追加された完全な階乗分析フィルのアドバイスと説明は素晴らしいです。 私の考え：
1.実際に実験（因果構造の理解）またはテスト（勝者の選択）に興味がありますか？ 各チャンバーの2つの連続変数の潜在的に異なる効果が得られる理由を理解したいですか？
2.なぜチャンバー間のばらつきを理解し、場合によっては減らしようとしていないのか知りたいですか？
3.チャンバー内に大きな変動はありますか？ 測定システムエラーはどうですか？
4.チャンバーは2つしかありませんか？ もしそうなら、あなたは各部屋で最もよく働く設定を見つけようとしていますか？
5.あなたは確かにあなたが持っているデータセットを分析することができます。 2つのチャンバーに3 ^ 2の階乗が複製されているようです。 各チャンバーの結果を個別に分析することができます（各チャンバーに適切な効果を見つけたいだけの場合）、または効果を理解するための手がかりを得たい場合、および効果が各チャンバーで異なる可能性がある理由を知りたい場合は、チャンバーを含めることができますモデル内の因子相互作用によるすべてのチャンバー。
