金块效应就像随机噪音。这只是您无法用大尺度可变性模型估计的小尺度可变性。熔核效应是由测量误差和显微镜变化这两种类型的变化构成的。这可能有用：统计学还是地统计学？抽样错误或金块效应？

感谢@whuber 的评论

在估计变异函数的上下文中，块金允许变异函数假设两个距离为零的观测值的非零值。这也意味着相邻观测值之间的相关性略有降低。

我可能会说金块是一个比测量误差更普遍的概念，至少在地质统计学中是这样。或者，它们可能是完全不相关的概念。“测量误差”在统计学中是一个不清楚的术语：有许多可变性来源，让我们清楚我们假定的“误差”来源是有益的。测量误差可以被认为暗示测量方法有缺陷。在血压的情况下，我们想测量离开心脏和进入心脏的血液之间的压力差。这个“黄金标准”在实践中过于侵入，因此我们使用了一种不完美的方法，它取决于许多特征。患者 8 小时的饮食、他们的位置（坐着、躺下）、一天中的时间、他们的心脏容量等都可以预测血压，但我们在实践中忽略了这些值：我认为这些不是测量错误。然而，管理员的反应和培训，袖带的质量会影响阅读的质量，而不能反映实际的血压：我认为这一点是测量误差。

在地质统计学和许多其他领域，我们可能会进行两次“相同的测量”或“几乎相同的测量”，并期望得到不同的结果。块的存在意味着任意紧密采样的任何两个观察值不一定具有相同的值。当设计允许收集这种性质的数据时，不允许出现金块错误可能是一个不受欢迎的约束。

在许多研究中，您根本无法通过替换对同一区域进行采样。以血压为例，无论是按时间还是按地点，都无法在人体上复制血压测量值。即使同时测量两只手臂，也会提供不同的读数，如果同一只手臂立即依次测量两次，血压会因环境温度、新陈代谢、疲劳、静息时间、血压衰减等因素而略有波动白大衣效应等。这些测量值肯定比在更远的时间、更远的身体部位，甚至在不同的人中收集的测量值更具有序列相关性，但它们并不是完全相关的，因此施加不适当的方差结构可能相当偏颇。