我被要求为农学和生态学高级研究生开设一门实验设计课程。我从未上过这样的课程，并且惊讶地发现该课程可能更贴切地命名为“超越单向方差分析”，并且它涵盖了我在农业田间实验统计学高级研究生课程中学到的材料（例如RCBD、拉丁方、对比、重复测量和协变量）。也许我对“实验设计”这个名称而不是“实验结果分析”感到困惑。

我对此类课程应包含的内容有一些想法，并希望就如何将其整合到满足学生需求的统计课程中提供反馈，同时提供命名设计列表及其相关测试的现代替代方案。

例如，当我可以教学生将回归模型与线性和二次函数进行比较时，我无法想象教学生使用线性和二次对比以及强制对连续变量进行分类的方差分析。在第二种情况下，他们还将学习如何处理不是实验定义的离散值的因素。如果有的话，我可能会比较这两种方法。

如果我要教授“实验设计”课程，我真的很想强调独立于所应用的统计模型的基本概念，并且可以更广泛地转化为其他问题。这将使学生更灵活地使用现代统计方法。

现有课程中似乎未涵盖的一些相关概念包括：

• 分层和混合模型（我将 ANOVA 和亲属理解为一个例子）
• 模型比较（例如替换对比）
• 使用空间模型而不是块作为“因素”
• 复制、随机化和 IID
• 假设检验、p-hacking 和模式识别之间的差异。
• 通过模拟进行功率分析（例如从模拟数据集中恢复参数），
• 预注册，
• 使用来自已发表研究和科学原理的先验知识。

目前有没有采用这种方法的课程？有没有这样重点的教科书？