确定分类因素的样本量我正在尝试确定是否要对具有2个级别的分类因子以及分类响应和连续响应进行流程更改进行通过/不通过决策所需的样本量。我们进行了一些实验，发现分类因子的两个级别之间的响应没有统计学意义，但是现在我们想知道我们有多大信心，相信没有区别。为了回答这个问题，我开始尝试使用JMP样本大小和功效计算器来获得两种样本均值。
如果我使用这种方法，我将得到428个样本的显着性水平为0.05，不可否认系数为0.3，则我有87％的机会检测到0.09％的分类响应有显着差异。
任何人都对这种方法有任何想法，或者对如何弄清样本量和对结果的信心有什么想法？
我的一个学院建议我们说这里的样本大小只有3个，其中3个运行由对照过程处理的72个样本和实验过程处理的72个样本组成。
谢谢，
乔琳
首先，了解您的实验很重要。
因此，您有72个不同的样本，并且可以对每个样本进行不同的实验？
在可以对每个样本进行不同实验的配对比较之后？
您想将旧过程与具有两个不同分类设置的新过程进行比较，因此对于一个完整的运行，我们将有3种处理x 72个样本？
回复：确定分类因素的样本量嗨，Jolene！
回顾性功率分析通常是不适当的事情。作为@乔治暗示，我们对您的实验知之甚少。您设计了它（没有考虑实验的力量？），运行了它，收集了数据，进行了分析，但没有达到“显着性”。因此，现在您可以追溯计算功率，以查看测试是否足够强大。这是一个似是而非的问题。我们已经知道它还不足以检测效果大小...这就是为什么结果不明显的原因！
功率计算对于设计很有用，而对分析没有追溯力。您可能希望修改自己的假设，以便以后进行的实验是等价的或非劣等的。请参阅随附的Hoenig和Heisey论文。
在不了解实验目标，设计，进行或分析的情况下，样本量似乎很大。您也许可以使用实验中的数据来构建仿真模型，以探索特定潜在设计的预期能力，并为后续实验进行分析。在我看来，这种方法将最好地回答您的问题。
祝你好运！
回复：确定分类因素的样本量嗨，乔治，我有两个步骤，在步骤1中改变了样品的处理方式。条件是治疗A（对照）与治疗B（替代）。我有216个样品经过处理A，有216个样品经过处理B。
然后，所有这些样本都经过了第二个过程。由于种种限制，我不得不在三个单独的运行中处理它们，每个运行包含来自处理A的72个样本和来自处理B的72个样本。运行1、2和3的处理类似。
我现在正在分析对治疗A与B的这种分类因素的持续和分类反应。我的回答没有明显差异，但我的同事问样本量是否足够大，以使他们有信心做出决定继续进行并改变流程。
谢谢！
