在进行裂区设计实验分析时，如果整区或子区 Wald p 值较大，是否应删除整区或子区？在进行裂区设计实验分析时，如果整区或子区 Wald p 值较大，是否应删除整区或子区？
实验设计回复：在进行裂区设计实验分析时，如果整个区或子区 Wald p 值相对较大，是否应删除整个区或子区？你好@Rily_Maya ，
您对这个 DoE 的目标是什么？
整个情节/子情节在物理上指的是什么？
裂区设计最初是在农业领域引入的，当时由于处理方法必须应用于预先确定的田块部分，因此无法实现完全随机化。如果您选择了裂区设计结构，则意味着至少有一个因子并非完全随机化，因此您应该坚持使用混合模型（以及整区/子区随机效应）分析。
使用裂区设计策略可以捕捉部分变异性并将其归因于随机因素（整区/子区效应）。移除整区随机效应的风险在于残差方差会增加（它将包含之前的残差方差 + 整区和子区方差）。因此，最终可能会得到不同的统计显著性效应、不同的模型，并且某些效应可能会被“新产生的”总残差方差“隐藏”。
以下是箱体腐蚀裂区 JMP 数据集的示例。整区效应不像您的示例那样显著（但仍然捕获了 90% 的总方差，而您的示例中，整区+子区随机效应捕获了开路电压 (OCV) 的 70% 以上的总方差，整区随机效应捕获了厚度的 38% 以上的总方差）：
但请看一下固定效应检验的 p 值。
现在，当我重新启动没有全图随机效应的相同模型时，相互作用效应和涂层效应在统计上并不显著（但炉温却显著）：
并且参数估计对于难以改变的因素（涂层）及其涉及的任何相互作用具有更高的标准误差（即使参数估计具有相同的值）：
（左：混合模型报告/右：标准最小二乘模型报告）
因此很明显，如果您已经根据整个情节/子情节情况设计了 DoE/实验设置，那么您应该坚持下去。
这是使用反映实验约束（缺乏完全随机化）的模型来分析数据的最“正确”方法。
您还可以在这里看到我关于裂区设计的小演示： 理解实验设计：裂区设计
希望这个答案能对你有所帮助，
回复：在进行裂区设计实验分析时，如果整个区或子区 Wald p 值相对较大，是否应删除整个区或子区？Victor 提出的许多问题对于理解您的情况都是必要的。裂区设计是对随机化进行限制的设计。有时这样做是为了方便（例如，因子难以改变），或者是为了提高效率，即在不损失太多信息的情况下降低实验成本。事实上，有时裂区设计比随机化设计更高效、更有效（例如，更高的精确度）。参见：
Box, GEP, Stephen Jones (1992)，《稳健产品实验的裂区设计》， 《应用统计杂志》 ，第 19 卷，第 1 期
Box 和 Jones 也展示了如何恰当地分析此类设计。这可能与 Victor 建议的分析方法不同（整个情节不必是随机效应！）。
