实验设计研究生课程应涵盖哪些内容？

我被要求为农学和生态学的高级研究生提议一门实验设计课程。我从未参加过这样的课程，并且惊讶地发现该课程可能更恰当地命名为“超越单向方差分析”，并且涵盖了我在农业统计学实验高级研究生课程中学习到的材料（例如RCBD，拉丁方，对比度，重复测量和协变量）。也许我对“实验设计”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学课程中的反馈意见，同时为设计和相关测试的命名列表提供现代替代方案。

例如，当我教学生比较具有线性和二次函数的回归模型时，我无法想象教他们使用ANOVA来对连续变量进行分类，从而使用线性和二次对比。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，我可以比较两种方法。

如果我要教授“实验设计”课程，我真的很想强调与应用的统计模型无关的基本概念，并且这些基本概念将更广泛地转化为其他问题。这将使学生更加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：

• 分层模型和混合模型（我以ANOVA和亲戚为例）
• 模型比较（例如替换对比）
• 使用空间模型代替块作为“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。
• 通过仿真进行功率分析（例如，从仿真数据集中恢复参数），
• 预注册，
• 利用已发表的研究和科学原理中的先验知识。

目前有没有采用这种方法的课程？有没有这样关注的教科书？

这是我喜欢的一些书的清单，这些书对于此类课程将是很好的材料：

• David Cox：《实验规划》，Wiley经典著作，1992年。这不是数学上的，但并不容易！设计背后的基本概念的深入讨论。

• 考克斯和南希·里德（DR Cox）和南希·里德（Nancy Reid）：实验设计理论，查普曼和霍尔（Chapman＆Hall），2000年。更多的数学知识，但仍侧重于基本概念

• Rosemary A. Bailey：比较实验设计，Cambridge UP，2008。前言：“我的理念是，您不应该从已命名的设计列表中选择实验设计。相反，您应该考虑当前实验的所有方面，然后决定如何将它们适当地组合在一起...”。

• 乔治·卡塞拉（George Casella）：《统计设计》，施普林格（Springer），2008年。另一本书以崭新的眼光看待老话题！

• 您可能会比看到George EP Box，J Stuart Hunter和William G. Hunter：《实验者的统计数据：设计，创新和发现》（第二版，Wiley，2005年）更难受启发。

我会避免使用看起来像已命名设计目录的旧书，而是根据基本原理来选择上述其中一本。我会避免的一本书是流行的（为什么？）道格拉斯·蒙哥马利：《实验的设计与分析》。

 EDIT 2017   

可以包括的另一个主题是最佳实验设计，其概念包括D最佳设计或A最佳设计。现在有很多书籍，难以指导，有一些可能性：
带R的最优实验设计
最优交叉设计
非线性模型的最优实验设计：理论和应用
最优实验设计：案例研究方法

R中该领域有很多开发，因此请查看 https://CRAN.R-project.org/view=ExperimentalDesign