我对设计和分析中的阻塞变量一直感到困惑。大家好，我正在使用 JMP Pro 15.2.1。
我对设计实验中的阻塞一直感到困惑。 特别是我是否真的在阻止。
在我的实验中，我感兴趣的是三个 2 级（开/关）因素。 响应变量是执行任务的时间。 我想做一个 2x2x2 阶乘，并且我有兴趣测试主效应和双向交互作用的显着性。 我有 24 次有效运行，即 8 次治疗中的 3 次。
进一步假设我有 6 个不同的操作员执行运行。 我对操作员效应不感兴趣，但我想解释这种变化的来源。 让事情变得复杂的是，由于我无法控制的约束，每个操作员都会“出现”并被分配不同的运行次数：随机 24 运行表的 2-6 次运行之间的任意位置。
假设我是这样进行实验的：
- 操作员 1 出现，可以执行例如 6 次运行；我将 24 个运行表中的 6 个随机处理分配给操作员 1。
- 操作员 2 出现，可以执行例如 4 次运行；我将剩余 18 次运行中的 4 个随机处理分配给操作员 2。
- 与其余操作员重复，直到 24 次运行完成。
所以，这并不完全是一种阻塞设计。 这操作员不是对随机化的限制。 它更像是一个分类协变量。 据推测，操作员的技能有所不同，但我没有任何量化的替代指标来衡量他们的技能（例如多年的经验或基线性能测试）。
当我进行分析时，我是否简单地包括操作员项（作为随机效应，因为六个操作员是总体样本）来解释这种变化来源？ 我要分配一个设计角色（使用 JMP 列属性）操作员柱子？ 如果是这样，我应该为其分配阻塞角色还是协变量角色？ 或者考虑到我进行实验的方式，这是否不合适？ 或者我只需输入操作员像任何其他主要影响一样考虑模型中的因素，并且简单地忽略它的重要性，因为我对它本身不感兴趣？
我应该看 BIBD 吗？ JMP 模块似乎不符合我的限制。
谢谢大家。
实验设计回复：我对设计和分析中的阻塞变量一直感到困惑。当你设计实验时我会忽略操作员。 按照您的建议将其视为协变量，但稍后添加。 单击“制作表格”后，我会将运算符添加为新的名义数据列。 使用此列记录每次运行的操作员。 将此列添加为模型中的一项，并将“随机效应”属性添加到该项。
这不是最优的，但它很务实，而且会起作用。 这种方法允许您专注于主要实验的设计，但仍然考虑操作员之间增加的变化。
回复：我对设计和分析中的阻塞变量一直感到困惑。谢谢@马克贝利我想我走在正确的轨道上。 是否给操作员一个设计角色当我将其作为随机效应项添加到模型中时有什么区别吗？
回复：我对设计和分析中的阻塞变量一直感到困惑。DOE 因素的列属性对您的情况下的操作员协变量没有帮助。
回复：我对设计和分析中的阻塞变量一直感到困惑。这是我的想法：
1.我对你的说法感到困惑”我对操作员效应不感兴趣，但我想解释这种变异来源”？ 虽然我知道您无法控制操作员（噪音），但我认为您想了解操作员的影响，更重要的是，您研究中的因素的影响在更换操作员时是否一致？
2.也许太晚了，但我不知道为什么你不能计划将操作员效应纳入研究中（例如，当“出现”在实验中时，仅使用符合您标准的某些操作员。 运行起来可能不方便，可能会花费更多时间，但你可能会得到“更好”的信息。
3. 你有以下假设吗为什么运算符可能会影响响应变量的平均值或变化？ 运营商的具体做法有何不同，或者运营商之间有何不同？ 如果您可以更具体地假设实际发生的变化，您可能有更有效的方法将效果纳入实验中（例如经验、技术、灵活性）。 如果是这样，您可以有效地使用阻塞数组或叉积数组。
4. 需要记住的一点是，虽然随机化是最小化偏差、增加推理和定量估计误差的极好策略，但随机误差是不可分配的。
5. 对于您的情况，有点按照马克的建议...创建一个名为运算符的列并对不同的运算符进行编码。 从实际和图形分析（相对于方差分析）开始。 当您绘制数据时，使用“行”>“颜色”或按列标记，然后选择运算符列来查找有趣的模式。 认识到操作员效果可能与治疗效果共线。
回复：我对设计和分析中的阻塞变量一直感到困惑。有一些回应，但我要澄清的是，在我们的实验中，我们实际上有由五名操作员组成的团队。操作员嵌套在团队中 - 他们不会跨团队混合。 我在模型中加入了“团队”一词，因为每个任务都是由一个团队执行的。
1. 是的，我想知道不断变化的运营商团队的因素影响（如果有）。 但这是一个随机效应的干扰因素。 我的兴趣只是在于声称实验中观察到的因素效应可以推广到团队的理论群体。
2. 目前无法进行这样的操作员筛选。 但是，请参阅下面的#5 了解其他注意事项。
3. 你可以猜测哪些因素使某些玩家比其他玩家更好或更差。 但这些技能只有在跑了几次之后才会显现出来。 正如#2 中的回答，我们没有机会提前筛选他们的表演。 但在注册过程中，我们从参与者那里获取他们的游戏体验是合理的，这些体验可以量化为协变量——游戏年数等。 更多想法在# 5 下面。
4.无评论
5. 我们已经跟踪了每个操作员（或者更具体地说，由 5 名操作员组成的团队）。如果我们在整个实验过程中都有每个参与者（我们没有），我们可以在团队之间混合操作员，以减少不良影响的影响个人他们团队中的表现。 重要的是，我们观察到更多团队内响应变量的方差比我们的方差跨团队方差。 因此，在模型中包含“团队”术语对于管理错误几乎没有作用。“团队”因素和任何其他因素之间没有相关性，这很好。 也没有什么证据表明团队的分数（响应变量）在后来的比赛中（即第三次和第四次比赛）有所提高。 它们的较大方差也与早期运行无关。 尽管如此，我认为与其进行 4 次带有大量噪音的重复，我们可以进行 3 次“运行”训练，以确保我们消除了任何学习效应，并确保我们的记录运行是最佳的，并且与/r/t 团队更相似表现能力。 很难说。
