对分割区 DOE 结果进行建模广义回归不适用于像整块试验因素这样的随机效应，因此，由于无法消除随机噪声，我猜想广义回归不能用于对分割试验 DOE 结果进行建模？
实验设计回复：关于对分割区DOE结果进行建模我建议你阅读：
Box、GEP、Stephen Jones (1992)，“用于稳健产品实验的裂区设计”， 《应用统计学杂志》，第19卷，第1期
回复：关于对分割区DOE结果进行建模我找不到这篇论文的免费版本。JMP GENREG 是 1992 年的吗？
回复：关于对分割区DOE结果进行建模嗨@frankderuyck ，
您可以通过在启动“拟合模型”平台时选择“广义线性混合模型”选项来拟合具有随机效应的广义回归模型：
希望这个简明实用的回答能对您有所帮助。
回复：关于对分割区DOE结果进行建模我知道这个 Victor，但它不像 GENREG 那样有强大的前向选择 AICC/惩罚选项。请问是否有“所有子集”选项可以用来获得最佳模型？
回复：关于对分割区DOE结果进行建模或许可以先用 GENREG 函数，不考虑整体图因子，然后使用“最佳子集”选择强效应，最后用 Fit Mixed 函数，加入强效应和随机整体图因子？
回复：关于对分割区DOE结果进行建模不，此选项不可用，也不建议在 DOE 场景中使用。“所有子集”选项更像是一种数据挖掘的、与模型无关的模型构建方法。如果您移除整个地块因子以使用 GenReg 平台，您将失去随机效应的优势，而随机效应可以捕捉您不感兴趣的方差。如果没有随机效应，这些方差将被视为随机方差，并可能“隐藏”潜在的有效效应。
在构建实验设计时，您假设了一个模型。使用广义线性混合模型拟合该模型及其随机效应，并评估该模型的相关性和正确性（残差分析、模型指标等）。
然后，您可以移除一些高阶项（但仍需考虑效应的遗传性）来重新启动模型，并比较不同的模型：影响响应的因素、模型指标、残差分析……
回复：关于对分割区DOE结果进行建模或者更好的办法是——就像全图随机效应一样，因子水平之间可能会存在相关性——首先使用类型弹性网络来选择最强的效应？
回复：关于对分割区DOE结果进行建模同样的问题：由于你不使用随机效应，部分方差将被视为随机方差。因此，无论采用何种方法，你最终都会更难检测到效应。回复：关于对分割区DOE结果进行建模感谢 Victor 的精彩回复，你说得有道理。如果没有随机全图效应，就会出现显著的噪声，但强效应也会从噪声中更加突出。在“最佳子集”结果中，你不应该对 P 值过于苛刻，我认为使用 0 或 1 的阈值来选择效应最强的因子是可以接受的。
