在关于统计数据的平均（中值？）对话中，您经常会发现自己在讨论分析这种或那种类型数据的这种或那种方法。以我的经验，对统计分析有特殊想法的仔细研究设计经常被忽视（在生物学/生态学中工作，这似乎是一种普遍现象）。统计学家经常发现自己陷入了收集数据不足（或完全错误）的僵局。套用 Ronald Fisher 的话说，他们被迫对数据进行事后分析，这通常会导致较弱的结论，如果有的话。
我想知道您使用哪些参考资料来构建成功的研究设计，最好用于帮助您避免上述陷阱的各种方法（例如t检验、GLM、GAM、排序技术……）。
我同意这样的观点，即统计顾问通常会在项目后期被引入，而此时修复设计缺陷为时已晚。确实，许多统计书籍很少关注研究设计问题。
您说您希望设计“最好适用于各种方法（例如 t 检验、GLM、GAM、排序技术……”。我认为设计相对独立于统计方法：例如，实验（受试者之间和受试者内部因素） ) 与观察性研究；纵向与横断面研究；等等。还有很多与测量、特定领域理论知识和特定领域研究设计原则相关的问题，需要理解才能设计出好的研究。
在书籍方面，我倾向于查看特定领域的书籍。在心理学中（我来自哪里），这意味着关于测量的心理测量学书籍、关于研究方法的书籍和关于统计学的书籍，以及一系列更具体的研究方法书籍。您可能想查看研究方法知识库以获取免费的社会科学在线资源。
已发表的期刊文章也是特定领域最佳实践的良好指南。
一般来说，我会说任何标题中包含 DOE（实验设计）的书都符合要求（而且有很多）。
对于此类资源，我的经验法则是从wiki 页面开始，特别是针对您的问题，请注意遵循 Ronald A. Fisher 的实验设计原则
但更严肃的答案将是特定领域的（临床试验有一本巨大的手册，但对于老鼠的研究，你可能会去读其他一些与领域相关的书）
我的经验法则是“重复比你认为的足够多”。
用一句格言来回答，我相信你的研究设计一旦真正以成熟的形式存在，就会成功。学术界进行的审查游戏主要是学术界相互表明他们还没有完全完成那一步的游戏，例如通过违反假设或忽略应该预期的偏见。如果研究设计是一种技能，那么它就是使您的研究对这些批评家不偏不倚的技能。
你的问题很有趣，但恐怕没有简短的答案。据我所知，彻底了解研究设计（无论是实验性的还是观察性的）的唯一方法是阅读您所在专业领域的文献，然后通过与学者联系来加倍努力，以了解更多信息关于它们是如何工作的，以便最终编写出您自己的研究设计。
在我的领域（欧洲政治学）中，我们通常提供涵盖所有类型研究的“研究设计”课程，但即便如此，我们也错过了重要的趋势，也缺乏对我们方法的深刻理解。在至少学习了其中三门课程之后，我确信在直接面对现实世界之前，没有任何学术资源可以取代从其他学者那里学习。
我想你的领域也有这些“方法期刊”，对于局外人来说，它们可能会像他们对真正的“研究设计师”有用和有趣一样令人痛苦和复杂——所以建议你首先开始挖掘这些文献，最终追踪可能对您在生物学/生态学研究设计方面最有帮助的经常出现的书目项目。Google Scholar 肯定会标记一些带有“生态研究方法”字样的书籍。