一、完全區組設計和不完全區組設計的比較（簡單格子設計）

完全區組和不完全區組是兩大類試驗設計，無法都比較，選了完全區組設計的單因素隨機完全區組和不完全區組設計的簡單格子設計做一比較。

兩種試驗設計在使用相同土地面積的情況下，試驗Ⅱ區組數更多，意味著試驗Ⅱ的地塊誤差影響控制的更好，試驗數據的準確性更高。

格子設計數據分析結果中，有的會給出相比單因素隨機完全區組試驗設計相對效率提升了多少的數值，為什么會有提升，從上面兩個試驗可以看出，簡單格子設計等同于在單因素隨機完全區組的區組內部又劃分了3個區組出來，因而，簡單格子設計相比單因素隨機完全區組，誤差更準確。
       相對效率 = 單因素隨機完全區組誤差均方 / 格子設計有效誤差均方

格子設計的這種誤差準確性的提升，從另一角度解讀，就是隨著單因素隨機完全區組試驗規模的擴大，一個區組占地越來越大，這樣地塊差異導致的區組內的差異，就系統性的增大了，而如果將區組分拆為小區組，自然可以更好的滿足地塊一致性的試驗設計要求。

因此在品種數量較多的情況下，應該選擇格子設計，而不是單因素隨機完全區組。

二、完全區組設計和不完全區組設計的比較（BIB設計）

平衡不完全區組設計（Balanced Incomplete Block Design），簡稱BIB設計。

將v個處理安排到b個區組：

1．每個區組都含k個不同處理，k稱為區組容量。

2．每個處理都在r個不同區組中出現，r稱為處理重復數。

3．任一對處理在λ個不同區組中相遇，λ稱為相遇數。

一個BIB設計中的v個處理可以得到公平的比較。

在這組對比中，可以看到，BIB設計，可以巧妙的節省試驗成本，上方表格中灰色空白表格區域就是“節省”的小區。由于BIB設計對試驗參數要求嚴格，因此實際使用存在是否合乎試驗要求的限制，但是，一個試驗，如果能用BIB設計實現，無疑是很劃算的。

三、不完全區組試驗設計為什么使用的少？

格子設計無疑會提升試驗準確性，BIB設計也有希望完成試驗目的同時還省錢，但是國內育種工作中采用的卻不多，大家更多采用的還是單因素隨機完全區組，農業部品比試驗也是單因素隨機完全區組。思考原因，我提出以下幾點看法，希望對讀者有些幫助。

1、不完全區組試驗設計更靈活，而隨機完全區組試驗設計相對簡單，易于模式化掌握和操作。

不完全區組試驗設計是一類試驗設計，前面例子中提到的簡單格子設計僅是其中一種，重復內分組，分組內重復，簡單格子設計，三重格子設計，四重格子設計，平衡格子設計，廣義格子設計，矩形格子設計，alpha-格子設計，BIB設計等等，掌握試驗設計方法本身就有一定難度，再進一步掌握試驗數據分析，對學習者要求較高。

2、不完全區組試驗設計多有設計上額外考慮

如平方格子設計，要設計成平方的形狀，“使一個品種有機會和許多其他品種，甚至其他各個品種都在同一區組中相遇過，這就是格子設計（Lattice design）的基本出發點”，這就對試驗地塊提出了更高的要求。用戶在使用格子設計的時候會注意到，格子設計不同于單因素隨機完全區組，在區組內隨機安排品種，而是按照一定的規則在“輪動”品種。BIB設計v、k、r、b、λ存在嚴格的函數關系，一定程度限制了應用。

3、不完全區組試驗設計采用方差分析的套路進行數據分析有難度有困難

用戶自然是熟悉和接受方差分析的套路，但是多停留在應用的層面，這樣就產生了生產中的一些困惑問題。比如：方差分析的目的是什么？方差分析表的含義究竟是什么？F測驗顯著了對我的試驗意味著什么？又有什么用處？經常接觸單因素隨機完全區組試驗的，可能都懶得思考這些問題了，套用現成的方法分析就是了。從育種材料選擇的本身出發，即便試驗數據分析結果，F測驗沒有達到5%或者1%的顯著水平，用戶是不是也要做出材料的選擇決定？而材料的選擇，方差不如離差有用，離差有方向性啊，誰都會保留產量均值高的品種，而去淘汰低的品種，而這些問題攪在一起，困惑就來了。

不完全區組試驗設計不像單因素隨機完全區組，方差分析表的計算就復雜了很多，比如簡單格子設計分析，要先將試驗當成虛擬的二因子部分混雜試驗考慮，計算品種調整平均數，品種調整平方和，過程復雜，最后才能獲得方差分析表。

四、不完全區組試驗設計的使用建議

關于不完全區組試驗設計的使用，從育種實際工作出發，博思公司給出以下建議，供用戶參考。

1、當產量品比試驗參試品種較多的時候，或者田間地塊安排容納大區組有困難的情況下，應該選用格子設計。

2、育種工作本質在于比較和選擇，而不是析因，不是側重于檢測效應是否存在顯著，而是品種間的優勝劣汰。因此格子設計數據分析應著眼于離差（效應），方差僅是試驗的一部分信息，是否進行方差分析，F測驗，多重比較，對試驗目的而言，沒有那么重要，因為品種離差（效應）的排序，本身就反應了最有效的信息。

3、不完全區組試驗設計（格子設計），在國內目前的育種環境下，更適合育種單位內部自行采用，如果要參加品比試驗，自然是單因素隨機完全區組，綠色通道也要隨機完全區組，出于提高試驗準確性的目的，單位內部的隨機完全區組試驗，干嘛不換成格子設計。

4、試驗設計的發展趨勢，就是試驗越來越高效，就像格子設計比單因素隨機完全區組能提高誤差準確性一樣，在品種不多，試驗占地面積不大的時候，單因素隨機完全區組可以采用，格子設計的優勢表現不明顯，反之，則應堅決采用格子設計。

5、剛開始接觸不完全區組試驗設計，不妨從簡單格子設計開始，Alpha-格子設計，本質上并沒有什么不同，通常適用于100個以內品種的比較，掌握了簡單格子設計，再考慮Alpha-格子設計，來的更實際更扎實，有的用戶知道了一種新試驗設計方法就異常熱衷，甚至不自覺神秘化，好像采用了一種新的試驗設計方法就提升育種水平了，這樣的想法要不得，試驗設計方法僅是有希望提升你的試驗準確性或者效率，對你育種目標很難說有什么根本的影響，僅此而已。博思公司在農博士育種家軟件中目前提供了簡單格子設計和Alpha-格子設計兩種試驗方法。

6、不完全區組試驗設計數據分析可以采用線性混合模型進行，感興趣的朋友可以留意博思公司發布的相關文章。

7、用戶如果想學習了解不完全區組試驗設計，推薦蓋鈞鎰老師的《試驗統計方法》一書。