對具有重複點的實驗，我們除可探討解釋變數如何影響反應變數的平均結構，亦可探討前者如何影響後者的變異結構；若重複點是由干擾因子的水準改變下所觀測獲得的，
則為穩健參數設計。但傳統的實驗設計中，所探討的變異結構，只考慮所有重複點所造成的總變異；而傳統的穩健參數設計中，也只考慮所有干擾因子所造成的總變異。然而，
在具有區塊結構的實驗中，總變異可能是由不同區塊因子所造成的，使用傳統的穩健參數設計，無法區分不同區塊因子所造成的變異，亦無法了解這些變異是如何受解釋變數的影響，
故可能會喪失一些關於變異的資訊。本研究以具有巢狀區塊結構的多階層實驗為對象，改進傳統穩健參數設計中的平均-變異法與反應建模法，
對反應值建立平均模型，以及對各個區塊因子所造成的變異建立模型。在新版本的平均-變異法中，對控制因子不同的水準組合，
利用巢狀隨機模型描述區塊因子之效應，並估計出各個區塊因子所造成變異之大小，進而對各個區塊因子建立變異模型；而在新版本的反應建模法中，
首先我們將控制與區塊因子皆視為獨立變數，並將其對反應變數建立反應模型，接著將反應模型中的區塊因子視為隨機變數，
並適當地對其做運算，以建立各個區塊因子的變異模型。此外，針對具有巢狀區塊結構的多階層實驗，其處理結構中除有控制因子外，亦具有干擾因子之實驗，
對此我們提出兩階段建模策略，來建立各個區塊因子的變異模型，及干擾因子的變異模型。最後，可以藉由調整平均模型中控制因子之水準，使平均反應值達到目標值；
也可藉由調整各個變異模型中控制因子之水準，使各個區塊因子與干擾因子所造成的變異，盡可能的降低。

Bailey, R. A. (2008), Design of Comparative Experiments, Cambridge University
Press.
Chen, Y. T. (2008), Analyzing Dispersion Effects for Multi-Stratum Experiments,
M.S. Thesis. Institute of Statistics, National Tsing Hua University.
Cheng, C. S. and Tasi, P. W. (2009), “Optimal two-level regular fractional
factorial block and split-plot designs”, Biometrika, 96(1), 83–93.
Kackar, R. N. and Shoemaker, A. C. (1986), “Robust Design: A Cost-
Effective Method for Improving Manufacturing Processes”, AT & T Techmical
Journal, 65, 39–50.
Montgomery, D. C. (2005), Design and Analysis of Experiments (6th ed.),
John Wiley and Sons, New York.
Nelder, J. A. (1965), “The analysis of randomized experiments with orthogonal
block structure. I. Block structure and the null analysis of variance”,
Proc. R. Soc. Lond, 283(A), 147–162.
Searle, S. R., Casella, G., and Mcculloch, C. E. (1992), Variance components,
John Wiley and Sons, New York.
Wu, C. F. J. and Hamada, M. S. (2000), Experiments: Planning, Analysis,
and Parameter Design Optimization, John Wiley, New York.
Wu, C. F. J. and Zhu, Y. (2003), “Optimal selection of single arrays for
parameter design experiments”, Statistica Sinica, 13, 1179–1199.