模块设计实验的模型选择有时我会遇到有关如何从块实验中选择“最佳”模型的问题。 我们建议您将块建模为随机效应，这意味着您不能使用逐步或广义回归个性进行模型选择，因为它们仅支持固定效应。
在这个视频中我谈论：
- 为什么我们要阻止实验
- 固定效应与随机效应
- REML建模
- 具有随机效应的模型选择策略
回复：带区块设计实验的模型选择你好@mjz5448 ，
建议保留区组效应。这是因为它会影响因子效应的统计显著性检验。存在一个可以正确归因于区组的误差，你不希望它“污染”因子效应估计的误差。希望这说得通。在大多数情况下，它不会对你的结论产生太大影响。
菲尔
回复：带区块设计实验的模型选择谢谢@Phil_Kay ，
那么，您是说，在模型中保留不显著的区块效应而不是不显著的因子效应的原因是由于您更确定（或者 100% 确定？）您可以将一定量的错误归因于区块，而对于主效应或高阶项，由于混杂效应等，它会变得更加模糊？
回复：带区块设计实验的模型选择@mjz5448 - 差不多。我们知道区组间差异会导致误差。所以，即使发现区组效应不显著，我们也应该纳入区组效应来捕捉这个误差源。这意味着我们可以对因子效应进行显著性检验，从而获得最佳的误差估计值。纳入区组效应的另一个很好的理由是@Mark_Bailey建议这样做。对我来说，这已经足够了！:)
