如果您在饱和模型中将某个区块作为固定效应进行拟合，并且通过逐步回归减少它之后其效应并不显著，那么您是否需要将其添加回模型中？昨天在 JMP 博客上发布了这篇文章，Phil Kay 在其中描述了如何简化带有区组效应的饱和模型。他说，在这个特定情况下，应该先将随机区组作为固定效应添加，然后通过逐步回归对模型进行简化，再重新拟合简化后的模型，并将该区组作为随机效应添加。在他的例子中，简化模型后，该区组仍然显著。我想知道，如果该区组确实显著，有什么理由将其作为随机效应重新添加到模型中吗？或者可以完全忽略它吗？
https://community.jmp.com/t5/Phil-Kay-s-Blog/Model-Selection-for-Designed-Experiments-with-Blocks/ba-p/364531
实验设计回复：如果您在饱和模型中将一个块作为固定效应进行拟合，并且通过逐步回归减少它之后其效果并不显著，那么您是否需要将其添加回模型中？以下是我对阻塞主题的看法。
首先，分块是一种处理那些你不愿控制的因素的技术。我把这些因素称为“噪音”。不愿控制这些因素的原因有三：
1. 没有能力或技术，或因素过于复杂（例如，客户期望、供应的材料）
2. 控制成本过高（例如环境条件）
3. 控制不方便或不切实际（例如，电源变化）
将区组视为固定效应还是随机效应取决于您将因子分配到区组的能力（将因子与区组混杂）。如果您已尽职尽责，并确定了具体的噪声因子，那么将这些因子与区组混杂在一起，就可以将区组分配为固定效应（这也允许将逐个因子的效应分配给模型，以评估因子的稳健性）。如果您尚未确定与区组混杂的具体噪声因子，则可将区组视为随机效应。区组混杂是一种非常棒的技术，因为它允许实验者扩大推理空间，而不会对设计的精度产生负面影响。
我也不认为逐步法是构建实验设计 (DOE) 模型的合适方法。您需要根据想要深入了解的模型来决定运行哪个实验设计 (DOE)。您应该使用减法（而不是加法）来细化模型。从饱和模型（您的假设）开始，然后移除不显著的项，以建立一个合理的模型。
我对您的疑问感到困惑；“我想知道如果该区块确实具有重要意义，是否有理由将其作为随机效应添加回模型中，或者您是否可以将其完全排除在外？”
如果区组显著，则意味着存在与该区组混杂的噪声因子。您可以分解该区组来确定这些具体因素，然后决定如何管理它们，或者也可以进行迭代以使其对它们保持稳健。您不会想要一个有区组效应的模型，因为这毫无意义（您无法管理该区组）。
以下是一篇您可能想阅读的论文：
Sanders, D.、Leitnaker M. 和 McLean R. (2002) “工业研究中的随机完全区组设计” 《质量工程》，第 14 卷，第 1 期
回复：如果您在饱和模型中将一个块作为固定效应进行拟合，并且通过逐步回归减少它之后其效果并不显著，那么您是否需要将其添加回模型中？你好@mjz5448 ，
我还没有看过视频，但我认为菲尔的观点可能比这个总结更细致入微。
我对这种可能的方法有复杂的感受（没有双关语的意思）。
在分析之前，决定采用固定区组效应还是随机区组效应取决于您如何看待这个区组因素：如果某个水平可重复，或者该水平是唯一值得关注的，那么您可以将其视为固定区组效应，它将影响响应均值（偏差）。如果该水平是来自较大总体的样本，或者您真正感兴趣的不是这两个（或更多）特定水平，而是总体的差异，那么您可以将其视为随机效应，它将影响响应方差。
关于您的具体问题，我认为这个问题是针对随机区组效应不显著的情况提出的。随机区组效应会捕获由区组效应引起的部分变异，因此移除它会增加实验中未解释的方差，从而导致固定效应估计值精度降低和p值升高。即使随机效应不具有统计显著性，我也不会从模型中移除它，因为它对于捕获部分实验噪声（日常变异、设备变异等）至关重要。
希望这能阐明随机块效应的使用，回复：如果您在饱和模型中将一个块作为固定效应进行拟合，并且通过逐步回归减少它之后其效果并不显著，那么您是否需要将其添加回模型中？
抱歉造成混淆，我想说的是：
"我想知道该区块并不显著，有什么理由将它作为随机效应重新添加到模型中，还是可以把它全部排除在外？”
“分解区块”是什么意思？
回复：如果您在饱和模型中将一个块作为固定效应进行拟合，并且通过逐步回归减少它之后其效果并不显著，那么您是否需要将其添加回模型中？嗨，维克多，
你说得对，我的意思是问如果区块不重要该怎么办。抱歉造成混淆。
所以，即使随机区组不显著，你通常也会把它保留在模型中吗？不显著难道不意味着随机噪声不太大吗？我想知道，同时拟合包含和不包含区组效应的模型并比较误差是否合适？
回复：如果您在饱和模型中将一个块作为固定效应进行拟合，并且通过逐步回归减少它之后其效果并不显著，那么您是否需要将其添加回模型中？区组，就像模型中的其他项一样，如果在实践和统计上都不显著，则可以从模型中移除。当然，所有从模型中移除的项都会被合并到影响P值的实验误差中（随着MSE的减小，P值可能会上升）。
如果区块显著，你需要确定与区块混淆的众多噪声因素中，哪些是活跃的。我称之为区块分解。
回复：如果您在饱和模型中将一个块作为固定效应进行拟合，并且通过逐步回归减少它之后其效果并不显著，那么您是否需要将其添加回模型中？我同意@Victor_G关于保留随机块的观点。如果你决定将块视为固定的，你可以分别进行有块和无块的拟合，并比较你感兴趣的其他参数估计值，以显示包含/排除块因子是否以及如何对这些其他估计值产生偏差。
如果您将区组视为随机模型，分别进行有区组和无区组拟合，并比较误差，那么大多数情况下，有区组的模型误差会更小，因为加入区组因子会“承担”部分无法解释的方差。我说“大多数”是因为我相信负方差分量估计值会产生相反的效果，但我对此并不完全确定。
回复：如果您在饱和模型中将一个块作为固定效应进行拟合，并且通过逐步回归减少它之后其效果并不显著，那么您是否需要将其添加回模型中？仅供参考 Victor - Phil 在他的博客文章中回答了我的问题，并同样建议在模型中保留随机区组效应，即使它并不显著。
