在進行裂區設計實驗分析時，若整區或子區 Wald p 值較大，是否應刪除整區或子區？在進行裂區設計實驗分析時，若整區或子區 Wald p 值較大，是否應刪除整區或子區？
實驗設計回覆：在進行裂區設計實驗分析時，如果整個區或子區 Wald p 值相對較大，是否應刪除整個區或子區？你好@Rily_Maya ，
您對這個 DoE 的目標是什麼？
整個情節/子情節在物理上指的是什麼？
裂區設計最初是在農業領域引入的，當時由於處理方法必須應用於預先確定的田塊部分，因此無法實現完全隨機化。如果您選擇了裂區設計結構，則表示至少有一個因子並非完全隨機化，因此您應該堅持使用混合模型（以及整區/子區隨機效應）分析。
使用裂區設計策略可以捕捉部分變異性並將其歸因於隨機因素（整區/子區效應）。移除整區隨機效應的風險在於殘差變異數會增加（它將包含先前的殘差變異數 + 整區和子區變異數）。因此，最終可能會得到不同的統計顯著性效應、不同的模型，並且某些效應可能會被「新產生的」總殘差變異數「隱藏」。
以下是箱體腐蝕裂區 JMP 資料集的範例。整區效應不像您的範例那樣顯著（但仍捕獲了 90% 的總方差，而您的範例中，整區+子區隨機效應捕獲了開路電壓 (OCV) 的 70% 以上的總方差，整區隨機效應捕獲了厚度的 38% 以上的總方差）：
但請看一下固定效應檢定的 p 值。
現在，當我重新啟動沒有全圖隨機效應的相同模型時，交互作用效應和塗層效應在統計上並不顯著（但爐溫卻顯著）：
且參數估計對於難以改變的因素（塗層）及其涉及的任何交互作用具有更高的標準誤差（即使參數估計具有相同的值）：
（左：混合模型報告/右：標準最小平方法模型報告）
因此很明顯，如果您已經根據整個情節/子情節情況設計了 DoE/實驗設置，那麼您應該堅持下去。
這是使用反映實驗約束（缺乏完全隨機化）的模型來分析數據的最「正確」方法。
您也可以在這裡看到我關於裂區設計的小示範： 理解實驗設計：裂區設計
希望這個答案能對你有幫助，
回覆：在進行裂區設計實驗分析時，如果整個區或子區 Wald p 值相對較大，是否應刪除整個區或子區？Victor 提出的許多問題對於理解您的情況是必要的。裂區設計是隨機化限制的設計。有時這樣做是為了方便（例如，因子難以改變），或是為了提高效率，即在不損失太多資訊的情況下降低實驗成本。事實上，有時裂區設計比隨機化設計更有效率、更有效（例如，更高的精確度）。參見：
Box, GEP, Stephen Jones (1992)，《穩健產品實驗的裂區設計》， 《應用統計雜誌》 ，第 19 卷，第 1 期
Box 和 Jones 也展示如何適當地分析此類設計。這可能與 Victor 建議的分析方法不同（整個情節不必是隨機效應！）。
