DOE 阻塞和混杂因素好的。 因此，我进行了 5（五个）2 级因子 F1、F2...F5 的实验。 一个额外的变量，不是直接感兴趣的，是一个难以改变的因素，它需要一个（阻塞）变量 F6，它基本上将实验分成 2 个独立的 1 周块。 那是因为我们的一个参与者小组不得不将他们的参与分成一个星期或另一个星期，我们想阻止这种影响。 我们将阻塞变量的级别称为参与者组 A 和参与者组 B。
我有 32 次运行的运行预算。 所以我有两个 16 块。 我对感兴趣的五个主要因素 F1-F5 的主效应和双向交互感兴趣。
在某个时候，有人引入了另一个复杂因素：除了阻塞因子（参与者组），我了解到在这些参与者组 A 和 B 中各有 2 个人；每一次跑步都与特定的参与者组 A 或 B 相关联，而不是像预期的那样，每次跑步都与一个特定的人相关联之内他们各自的组——也就是说，这两个人中的一个被分配到他们各自的 16 个运行块内的特定运行。 也就是说，执行（交替）的个体 1 和 2 在块 1 内运行，而执行的个体 3 或 4（交替）在块 2 内运行。
如果我忽略这些人，并简单地将设计视为具有两个块的随机设计，其中块由他们的参与者组定义，我对我的分析做了什么？ 我认为会存在“看不见的”差异，因为这些参与者组中有两个人，对每次运行的影响都不同。 在知道实验实际是如何进行的情况下，有没有一种方法可以让我进行或警告分析（ANOVA）？
分析美国能源部回复：DOE 阻塞和混杂因素您有多种选择……在您获得一些数据之前，我们可能不知道哪一种是最好的。 我的想法：
什么噪音与块混淆？ 我看到您提到了几周，但是在您想与治疗效果分开的那个时间段内，哪些（噪音）发生了变化？ 与区块，尤其是参与者相关的假设是什么？ 可以使用抽样而不是实验来研究参与者的变化吗？ 通过这种方式，您还可以了解参与者的一致性。
您有几个选项（每个选项都需要不同的方差分析模型）。
1. 将区块视为随机效应，参与者在区块内随机化。 参与者将不可分配，他们的变化将分配给块效应。 有了这个，您仍然可以跟踪 4 位参与者并使用图形分析寻找系统效应。
2. 将块效应视为固定的，并根据关于为什么他们会影响响应变量（例如，经验水平）的假设，仅选择 4 名参与者中的 2 名。 将一个参与者与第一个块混淆，将第二个参与者与第二个块混淆。 这将允许估计块效应和逐个因子的相互作用。
3. 将参与者添加为一个不完整的块，并将其复制到 2 个完整的块中。 显然你会放弃这种方法的一些分辨率，但它仍然是一个合理的资源。四、设计。
