谢谢@J_Asscher和@菲尔_凯对于本次会议，以及所有参加的用户！
视频：
民意调查问题的结果：
聊天中讨论仍在继续：
问：您是否始终接受默认的整区数量？ 你会增加它吗？
A1：确实非常有用，但有时建模会出现一些问题
A2：如果您希望对难以改变的因素的主要影响进行更强大和更精确的估计，则可能必须增加整图的数量
问：通过分组实验运行标准设计意味着什么？它可以被接受吗？
A1：您可能有潜伏的变量影响您的响应，例如时间、温度、操作员等......并且错误不再是随机的（它可能对应于“块更改”引起的变化），这可能隐藏一些重要因素或揭示与潜变量相关的不重要的变量
A2：想象一下，如果您制作两个块，并且在第一个块中，X1 为 -1，而在第二部分中，X1 为 +1。 如果你有一个隐藏效应矿石，某些东西会随着时间的推移而退化，并且会随着时间的推移而增加，那么这个效应就会归因于X1，即使它不是。 这可能会导致错误的模型。
会议期间分享了一些进一步的信息：
- 分割图白皮书： https://www.stat.purdue.edu/~kuczek/stat514/Split%20plot%20example.pdf
- 在 LinkedIn 上关注 Phil： #DOEbyPhilKay
- 在 LinkedIn 上关注 Victor Guiller： https://www.linkedin.com/in/victorguiller/
