実験計画の大学院コースは何をカバーすべきですか？

農学と生態学の上級の大学院生のために実験計画のコースを提案するように頼まれました。私はそのようなコースを受講したことがなく、このコースの名前が「Beyond one-way ANOVA」であることがわかり、農業分野の実験に関する統計の上級大学院コースで学んだ教材（例： RCBD、ラテン方陣、コントラスト、反復測定、および共変量）。たぶん、「実験結果の分析」ではなく「実験デザイン」という名前に戸惑っています。

私はそのようなコースに何が含まれるべきかについていくつかのアイデアを持っています、そしてこれが学生のニーズを満たす統計カリキュラムにどのように統合されるかについてのフィードバックをいただければ幸いです。

たとえば、線形および2次関数で回帰モデルを比較するように教えるときに、連続変数の分類を強制するANOVAで線形および2次の対比を使用するように生徒に教えることは想像できません。2番目のケースでは、実験的に定義された離散値ではない要因を処理する方法も学習します。どちらかと言えば、2つのアプローチを比較します。

「実験デザイン」のコースを教えるとしたら、適用する統計モデルに依存せず、他の問題にさらに広く適用される基本的な概念を強調したいと思います。これにより、学生は最新の統計的アプローチをより柔軟に使用できるようになります。

既存のコースでカバーされていないように見える関連概念の一部は次のとおりです。

• 階層モデルと混合モデル（ANOVAと親族を1つの例として理解しています）
• モデル比較（コントラストを置き換えるためなど）
• 「因子」としてブロックの代わりに空間モデルを使用する
• レプリケーション、ランダム化、およびIID
• 仮説検定、p-ハッキング、パターン認識の違い。
• シミュレーションによる電力分析（たとえば、シミュレーションされたデータセットからのパラメーターの回復）、
• 事前登録、
• 発表された研究および科学的原理からの事前知識の使用。

現在そのようなアプローチを取っているコースはありますか？そのような焦点を当てたテキスト本はありますか？

ここに私が好きで、そのようなコースのための良い材料になるいくつかの本のリストがあります：

• David Cox：Planning of Experiments、Wiley classics、1992。これは数学的ではありませんが、簡単ではありません！デザインの背後にある基本的な概念についての深い議論。

• DRコックス＆ナンシーリード：実験計画法の理論、チャップマン＆ホール、2000。

• ローズマリーA.ベイリー：比較実験のデザイン、ケンブリッジUP、2008。序文から：「私の哲学は、名前付きデザインのリストから実験デザインを選択するべきではないということです。むしろ、現在の実験のすべての側面について考える必要があります。 、次にそれらを適切に組み合わせる方法を決定します...」

• George Casella：Statistical Design、Springer、2008。新鮮な目で古いトピックを検討する別の本！

• George EP Box、J Stuart Hunter、William G. Hunter：Statistics for Experimenters：Design、Innovation and Discovery（second edition、Wiley、2005）を見てインスピレーションを得ることよりも悪いことになるかもしれません。

名前の付いたデザインのカタログのように見える古い本は避け、基本的な原則に基づいて上記のいずれかを選びます。私が避けたいそのような本の1つは、人気のある（なぜですか？）ダグラスC.モンゴメリー：実験の設計と分析です。

 EDIT 2017   

含めることができるもう1つのトピックは、D最適計画やA最適計画などの概念を持つ最適な実験計画です。本の過多が、今の助言に非常に困難があり、いくつかの可能性：
最適実験計画Rとの
最適なクロスオーバー・デザイン
理論と応用：最適な実験非線形モデルの設計
実験の最適設計：Aケーススタディのアプローチ

Rのこの領域には多くの開発があるので、 https：//CRAN.R-project.org/view=ExperimentalDesignをご覧ください。