カテゴリ要因のサンプルサイズの決定2つのレベルのカテゴリ要因、およびカテゴリ応答と連続応答の両方のプロセス変更を行うかどうかを決定するために必要なサンプルサイズを決定しようとしています。いくつかの実験を実行したところ、カテゴリ要因の2つのレベル間の応答に統計的有意性は見られませんでしたが、違いがないことをどれだけ確信しているかを知りたいと思います。これに答えるために、私は2つのサンプル平均のJMPサンプルサイズと検出力計算機をいじり始めました。
当初、サンプルサイズは432だと思っていました。これは、それぞれが対照プロセスで処理された72サンプルと実験プロセスで処理された72サンプルからなる3つの実験があったためです（432 = 72 * 2 * 3）が、そうではありませんでした。カテゴリ応答の標準偏差として何を入力するかを確認してください。私はインターネット上で、カテゴリ別応答の変動性を測定するために、嫌いな係数を計算できることを示唆する1つのリソースを見つけました。
http://jse.amstat.org/v15n2/kader.pdf
このアプローチを使用すると、428個のサンプルで0.05の有意水準、0.3の嫌悪係数で、0.09％のカテゴリ応答の有意差を検出する可能性が87％になることがわかります。
このアプローチについて何か考えがある人、またはサンプルサイズと結果の信頼性を別の方法で把握する方法についてのアイデアはありますか？
私の同僚は、ここでのサンプルサイズはわずか3であると示唆しています。これは、対照プロセスで処理された72サンプルと実験プロセスで処理された72サンプルからなる3回の実行です。
ありがとう、
ジョリーン
まず、実験を理解することが重要です。
つまり、72の異なるサンプルがあり、各サンプルで異なる実験を行うことができますか？
各サンプルで異なる実験の一対比較を行うことができたら？
古いプロセスを2つの異なるカテゴリ設定を持つ新しいプロセスと比較したいので、フルランでは3つの処理x 72のサンプルがありますか？
Re：カテゴリ要因のサンプルサイズの決定こんにちは、ジョリーン！
遡及的検出力分析は、一般的に不適切なことです。なので@Georgつまり、私たちはあなたの実験についてほとんど知りません。あなたはそれを設計し（実験の力を考慮せずに？）、それを実行し、データを収集し、分析を行い、そして「重要性」を達成しませんでした。したがって、ここで、パワーを遡及的に計算して、テストが十分に強力であるかどうかを確認します。それは疑わしい質問です。効果量を検出するのに十分なほど強力ではなかったことはすでにわかっています...そのため、結果は重要ではありません！
電力計算は、分析のために遡及的にではなく、設計のために前向きに役立ちます。後続の実験のために仮説を修正して、同等または非劣性の1つにすることをお勧めします。同封のHoenigとHeiseyの論文をご覧ください。
実験の目的、設計、実施、または分析について何も理解していないと、サンプルサイズはかなり大きいように見えます。実験のデータを使用してシミュレーションモデルを作成し、特定の潜在的な設計の予想される力を調査し、後続の実験のために分析することができる場合があります。このアプローチはあなたの質問に答えるのに最善の仕事をするだろうと私には思えます。
がんばろう！
Re：カテゴリ要因のサンプルサイズの決定こんにちはGeorg、私には2つのステップのプロセスがあり、ステップ1でサンプルの処理を変更しました。条件は、治療A（対照）と治療B（代替）でした。処理Aを通過した216個のサンプルと、処理Bを通過した216個のサンプルがありました。
次に、これらのサンプルはすべて2番目のプロセスを経ました。制約のため、それぞれが処理Aからの72サンプルと処理Bからの72サンプルで構成される3つの別々の実行でそれらを処理する必要がありました。実行1、2、および3も同様に処理されました。
私は現在、治療AとBのこの分類的要因に対する継続的かつ分類的な反応を分析しています。回答に有意差は見られませんでしたが、同僚は、サンプルサイズが、先に進んでプロセスを変更する決定を下すのに自信を持って感じるのに十分な大きさであるかどうか尋ねました。
ありがとう！
