你好，
我正在开展一项实验，测量细胞数量随 8 种不同细胞培养基成分（即连续因子）浓度变化的变化。 具有 8 次额外运行的 DSD 为我提供了 29 次运行的实验。 由于这个实验的主要时间消耗是组成不同的培养基混合物，我计划运行 3 个精确的重复，最好是封闭的，因为重复将在不同的 96 孔板中，并且处理上的差异（例如，未花费在培养箱等）可能会导致生长差异。 通过增强 DSD 即可轻松设置所有内容。
| 跑步 | 媒体组合 | 堵塞 | 回复 |
| 1 | 1 | 1 | ？ |
| ... | ... | ... | ... |
| 28 | 28 | 1 | ？ |
| 29 | 29 | 1 | ？ |
| 30 | 1 | 2 | ？ |
然而，我还在这些运行的几天内收集数据（非侵入性测量细胞数量），最多 7 次。 我预计治疗之间的差异会由于细胞的指数增长而增加到一定程度，然后当它们耗尽空间时再次减少。 我可以将模型与各天的数据相匹配，并使用具有最佳 P 值的模型，但如果不将其全部集成到单个模型中，这似乎是一种数据浪费。
然而，按照我的理解，如果我只使用一个阻塞变量并将所有复制/日期组合放入单独的块中（见下文），我就会混淆由于不同日期和不同副本而导致的响应变化。
| 跑步 | 媒体组合 | 天 | 堵塞 | 回复 |
| 1 | 1 | 1 | 1 | ？ |
| ... | ... | ... | ... | ... |
| 28 | 28 | 1 | 1 | ？ |
| 29 | 29 | 1 | 1 | ？ |
| 30 | 1 | 1 | 2 | ？ |
| ... | ... | ... | ... | ... |
| 87 | 29 | 1 | 3 | ？ |
| 88 | 1 | 2 | 4 | ？ |
是否可以使用两个阻塞变量来解决这个问题？
| 跑步 | 媒体组合 | 天 | A座 | B座 | 回复 |
| 1 | 1 | 1 | 1 | 1 | ？ |
| ... | ... | ... | ... | ... | ... |
| 28 | 28 | 1 | 1 | 1 | ？ |
| 29 | 29 | 1 | 1 | 1 | ？ |
| 30 | 1 | 1 | 2 | 1 | ？ |
| ... | ... | ... | ... | ... | ... |
| 87 | 29 | 1 | 3 | 1 | ？ |
| 88 | 1 | 2 | 1 | 2 | ？ |
我希望我的要求是有道理的。 我想我也可以将这一天作为一个分类因素，但我不希望任何模型包含它，所以感觉没有必要。
