我對設計和分析中的阻塞變數一直感到困惑。大家好，我正在使用 JMP Pro 15.2.1。
我對設計實驗中的阻塞一直感到困惑。 特別是我是否真的在阻止。
在我的實驗中，我感興趣的是三個 2 級（開/關）因素。 反應變數是執行任務的時間。 我想做一個 2x2x2 階乘，我有興趣測試主效應和雙向交互作用的顯著性。 我有 24 次有效運行，即 8 次治療中的 3 次。
進一步假設我有 6 個不同的操作員執行運行。 我對操作員效應不感興趣，但我想解釋這種變化的來源。 讓事情變得複雜的是，由於我無法控制的約束，每個操作員都會「出現」並被分配不同的運行次數：隨機 24 個運行表的 2-6 次運行之間的任意位置。
假設我是這樣進行實驗的：
- 操作員 1 出現，可以執行例如 6 次運行；我將 24 個運行表中的 6 個隨機處理分配給操作員 1。
- 操作員 2 出現，可以執行例如 4 次運行；我將剩餘 18 次運行中的 4 個隨機處理分配給操作員 2。
- 與其餘操作員重複，直到 24 次運行完成。
所以，這並不完全是一種阻塞設計。 這操作員不是對隨機化的限制。 它更像是一個分類協變數。 據推測，操作員的技能有所不同，但我沒有任何量化的替代指標來衡量他們的技能（例如多年的經驗或基線表現測試）。
當我進行分析時，我是否簡單地包括操作員項（作為隨機效應，因為六個操作員是總體樣本）來解釋這種變化來源？ 我要分配一個設計角色（使用 JMP 列屬性）操作員柱子？ 如果是這樣，我應該為其分配阻塞角色還是協變量角色？ 或者考慮到我進行實驗的方式，這是否不合適？ 或者我只需輸入操作員像任何其他主要影響一樣考慮模型中的因素，並且簡單地忽略它的重要性，因為我對它本身不感興趣？
我應該看 BIBD 嗎？ JMP 模組似乎不符合我的限制。
謝謝大家。
實驗設計回覆：我對設計和分析中的阻塞變數一直感到困惑。當你設計實驗時我會忽略操作員。 按照您的建議將其視為協變量，但稍後添加。 點擊“製作表格”後，我會將運算符新增為新的名義資料列。 使用此列記錄每次運行的操作員。 將此列新增為模型中的一項，並將「隨機效應」屬性新增至該項。
這不是最優的，但它很務實，而且會起作用。 這種方法可讓您專注於主要實驗的設計，但仍考慮操作員之間增加的變化。
回覆：我對設計和分析中的阻塞變數一直感到困惑。謝謝@馬克貝利我想我走在正確的軌道上。 是否給操作員一個設計角色當我將其作為隨機效應項添加到模型中時有什麼區別嗎？
回覆：我對設計和分析中的阻塞變數一直感到困惑。DOE 因素的列屬性對您的情況下的操作員協變數沒有幫助。
回覆：我對設計和分析中的阻塞變數一直感到困惑。這是我的想法：
1.我對你的說法感到困惑”我對操作員效應不感興趣，但我想解釋這種變異來源」？ 雖然我知道您無法控制操作員（噪音），但我認為您想了解操作員的影響，更重要的是，您研究中的因素的影響在更換操作員時是否一致？
2.也許太晚了，但我不知道為什麼你不能計劃將操作員效應納入研究中（例如，當「出現」在實驗中時，僅使用符合您標準的某些操作員。 運行起來可能不方便，可能會花費更多時間，但你可能會得到「更好」的資訊。
3. 你有以下假設嗎為什麼運算子可能會影響反應變數的平均值或變化？ 運營商的具體做法有何不同，或者運營商之間有何不同？ 如果您可以更具體地假設實際發生的變化，您可能有更有效的方法將效果納入實驗中（例如經驗、技術、靈活性）。 如果是這樣，您可以有效地使用阻塞數組或叉積數組。
4. 需要記住的一點是，雖然隨機化是最小化偏差、增加推理和定量估計誤差的絕佳策略，但隨機誤差是不可分配的。
5. 對於您的情況，有點按照馬克的建議...創建一個名為運算符的列並對不同的運算符進行編碼。 從實際和圖形分析（相對於變異數分析）開始。 當您繪製資料時，請使用“行”>“顏色”或按列標記，然後選擇運算符列來尋找有趣的模式。 認識到操作員效果可能與治療效果共線。
回覆：我對設計和分析中的阻塞變數一直感到困惑。有一些回應，但我要澄清的是，在我們的實驗中，我們實際上有一個由五名操作員組成的團隊。操作員嵌套在團隊中 - 他們不會跨團隊混合。 我在模型中加入了「團隊」一詞，因為每個任務都是由一個團隊執行的。
1. 是的，我想知道不斷變化的營運商團隊的因素影響（如果有）。 但這是一個隨機效應的干擾因素。 我的興趣只是在於聲稱實驗中觀察到的因素效應可以推廣到團隊的理論群體。
2. 目前無法進行這樣的操作員篩選。 但是，請參閱下面的#5 以了解其他注意事項。
3. 你可以猜測哪些因素使某些玩家比其他玩家更好或更差。 但這些技能只有在跑了幾次之後才會顯現出來。 正如#2 中的回答，我們沒有機會提前篩選他們的表演。 但在註冊過程中，我們從參與者那裡獲取他們的遊戲體驗是合理的，這些體驗可以量化為協變量——遊戲年數等。 更多想法在# 5 下面。
4.無評論
5. 我們已經追蹤了每個操作員（或更具體地說，由 5 名操作員組成的團隊）。如果我們在整個實驗過程中都有每個參與者（我們沒有），我們可以在團隊之間混合操作員，以減少不良影響的影響個人他們團隊中的表現。 重要的是，我們觀察到更多團隊內反應變數的方差比我們的方差跨團隊變異數。 因此，在模型中包含“團隊”術語對於管理錯誤幾乎沒有作用。「團隊」因素和任何其他因素之間沒有相關性，這很好。 也沒有任何證據表明團隊的分數（反應變數）在後來的比賽中（即第三次和第四次比賽）有所提高。 它們的較大方差也與早期運行無關。 儘管如此，我認為與其進行4 次帶有大量噪音的重複，我們可以進行3 次「運行」訓練，以確保我們消除了任何學習效應，並確保我們的記錄運行是最佳的，並且與/r /t 團隊更相似表現能力。 很難說。
