對分割區 DOE 結果進行建模廣義回歸不適用於像整塊試驗因素這樣的隨機效應，因此，由於無法消除隨機噪聲，我猜想廣義回歸不能用於對分割試驗 DOE 結果進行建模？
實驗設計回覆：關於分割區DOE結果進行建模我建議你去閱讀：
Box、GEP、Stephen Jones (1992)，“用於穩健產品實驗的裂區設計”， 《應用統計學雜誌》，第19卷，第1期
回覆：關於分割區DOE結果進行建模我找不到這篇論文的免費版本。 JMP GENREG 是 1992 年的嗎？
回覆：關於分割區DOE結果進行建模嗨@frankderuyck ，
您可以透過在啟動「擬合模型」平台時選擇「廣義線性混合模型」選項來擬合具有隨機效應的廣義迴歸模型：
希望這個簡潔實用的回答能對您有幫助。
回覆：關於分割區DOE結果進行建模我知道這個 Victor，但它不像 GENREG 那樣有強大的前向選擇 AICC/懲罰選項。請問是否有“所有子集”選項可以用來獲得最佳模型？
回覆：關於分割區DOE結果進行建模或許可以先用 GENREG 函數，不考慮整體圖因子，然後使用「最佳子集」選擇強效應，最後用 Fit Mixed 函數，加入強效應和隨機整體圖因子？
回覆：關於分割區DOE結果進行建模不，此選項不可用，也不建議在 DOE 場景中使用。 「所有子集」選項更像是一種資料探勘的、與模型無關的模型建構方法。如果您移除整個地塊因子以使用 GenReg 平台，您將失去隨機效應的優勢，而隨機效應可以捕捉您不感興趣的變異數。如果沒有隨機效應，這些方差將被視為隨機方差，並可能「隱藏」潛在的有效效應。
在建立實驗設計時，您假設了一個模型。使用廣義線性混合模型來擬合該模型及其隨機效應，並評估該模型的相關性和正確性（殘差分析、模型指標等）。
然後，您可以重新建立模型，方法是移除一些高階項（但仍要考慮效應的遺傳性），並比較不同的模型：影響反應的因素、模型指標、殘差分析…
回覆：關於分割區DOE結果進行建模或者更好的辦法是——就像全圖隨機效應一樣，因子水平之間可能會存在相關性——首先使用類型彈性網絡來選擇最強的效應？
回覆：關於分割區DOE結果進行建模同樣的問題：由於你不使用隨機效應，部分變異數將被視為隨機變異數。因此，無論採用何種方法，你最終都會更難檢測到效應。回覆：關於分割區DOE結果進行建模感謝 Victor 的精彩回复，你說得有道理。如果沒有隨機全圖效應，就會出現顯著的噪聲，但強效應也會從噪聲中更加突出。在「最佳子集」結果中，你不應該對 P 值過於苛刻，我認為使用 0 或 1 的閾值來選擇效應最強的因子是可以接受的。
