DOE 中的隨機與固定阻塞因子大家好，
我正在嘗試設置一個自定義 DOE 實驗，在該實驗中我評估 4 個連續因子和 1 個響應。 我有 30 次運行的限制，並且對主要效果感興趣（以後我想盡可能地進行雙向交互）。 我設置了這個運行，但是因為這 30 次運行必須在兩個成像平台上拆分，所以我使用了兩個阻塞，每個運行 15 次。 我嘗試使用一個固定的阻塞因子，它為模型產生高功率和低方差值。 然而，對我來說，使用隨機阻塞因子是有意義的，因為它會釋放更多的自由度，而且從物理的角度來看，這兩個平台應該非常相似，並且在眾多此類平台中只有兩個隨機平台。
但是，當我對這個設計進行計算機計算時（我使用的是 D 最優設計），除了截距低一個數量級之外，我得到了所有項的良好功率值。 同時，平均方差從大約 0.1 跳到 0.7，從固定阻塞到隨機阻塞。
有人可以向我說明造成這種情況的原因，以及如何規避這個問題。 我一直認為隨機阻塞提供了更多估計效果（尤其是主效果）的能力。
謝謝
美國能源部回复：DOE 中的隨機與固定阻塞因子將效果視為固定的還是隨機的通常不是 DF 或功率的問題，而是您如何看待變化的問題。 如果它是可重現的水平，如果水平是唯一感興趣的水平，則將其視為固定效應。 如果這些水平是來自更大群體的樣本，如果您對這兩個特定水平並不真正感興趣，而是對整個群體的變化感興趣，那麼將其視為隨機效應。
那麼你如何看待這兩個成像器呢？ 它們是僅有的兩個設備嗎？ 在可預見的未來，它們會成為僅有的兩種設備嗎？ 然後將塊視為固定效果。 這兩個成像器是從一個不斷變化的大池中挑選出來的嗎？ 然後將它們視為隨機效應。
回复：DOE 中的隨機與固定阻塞因子首先，歡迎來到社區。
我可能會從不同的角度分享我的想法：
1. 應該如何分析數據以及使用什麼工具進行分析取決於數據的獲取方式。 （實際上，這延伸到您可以回答什麼問題，您可以得出什麼結論以及您對推斷結果的信心是如何獲取數據的函數）
2. 雖然可以對塊的適當“指定”進行辯論，但如果您可以明確指定哪些因素與塊混淆，並且正如 Mark 所建議的那樣，這些“級別”可以被複製，這些塊可以被視為固定效果。 我會爭論將這些隨機（或將它們視為隨機效應）是否會增加推理空間，而不是在“粗體級別”上專門操縱它們。 我個人認為，通過專門操作塊，您更有可能擁有更廣泛的推理空間。
3. 將塊視為固定效應具有能夠量化塊-因子交互（本質上是噪聲-因子交互）的巨大優勢，這可能是量化設計結構穩健性的最佳方法。 您的設計因素對噪聲變化的影響是否一致？
4. 有趣的是，阻塞具有同時增加推理空間和提高設計精度（如 Box 所定義）的額外好處。 這是因為塊內偏向因子效應（塊內的噪聲保持不變），然後塊之間的噪聲會發生變化，因此可以對其進行分配。
“阻擋你能阻擋的，隨機化你不能阻擋的”GEP 盒子
在實驗執行過程中阻止您可以識別和管理的內容，隨機化在實驗期間尚未識別或無法管理的噪聲。
回复：DOE 中的隨機與固定阻塞因子你好馬克和斯塔特曼，
謝謝你的反饋。 我確實相信我的平台（不是成像儀，而是進行測試的消耗品）應該設置為隨機效應，因為它們會更多，理論上它們之間不應該存在顯著差異分類。
主要問題是為什麼我在隨機塊與固定塊的平均方差和低截獲能力方面有如此大的差異。 一般來說，固定會給出更多的未知數，但在我的情況下，我相信它們應該是相同的，因為我只有兩個非常大的塊，每塊 15 次運行。 如果我沒記錯的話，對於固定的，您為 k 個塊添加 k-1 個未知數，而對於固定，唯一添加的未知數是塊之間的方差。 兩種設計的顏色圖看起來也完全一樣，所以因素之間不應該出現額外的相關性，對嗎？
對此的任何幫助將不勝感激。
