模組設計實驗的模型選擇有時我會遇到有關如何從區塊實驗中選擇“最佳”模型的問題。 我們建議您將區塊建模為隨機效應，這意味著您不能使用逐步或廣義回歸個性進行模型選擇，因為它們僅支援固定效應。
在這個影片中我談論：
- 為什麼我們要阻止實驗
- 固定效應與隨機效應
- REML建模
- 具有隨機效應的模型選擇策略
回覆：帶有區塊設計實驗的模型選擇你好@mjz5448 ，
建議保留區組效應。這是因為它會影響因子效應的統計顯著性檢定。存在一個可以正確歸因於區組的誤差，你不希望它「污染」因子效應估計的誤差。希望這說得通。在大多數情況下，它不會對你的結論產生太大影響。
菲爾
回覆：帶有區塊設計實驗的模型選擇謝謝@Phil_Kay ，
那麼，您是說，在模型中保留不顯著的區塊效應而不是不顯著的因子效應的原因是由於您更確定（或者可能是 100% 確定？）您可以將一定量的錯誤歸因於區塊，而對於主效應或高階項，由於混雜效應等，它會變得更加模糊？
回覆：帶有區塊設計實驗的模型選擇@mjz5448 - 差不多。我們知道區間間差異會導致誤差。所以，即使發現區組效應不顯著，我們也應該納入區組效應來捕捉這個誤差來源。這意味著我們可以對因子效應進行顯著性檢驗，從而獲得最佳的誤差估計值。納入區組效應的另一個很好的理由是@Mark_Bailey建議這樣做。對我來說，這已經足夠了！:)
