確定分類因素的樣本量我正在嘗試確定是否要對具有2個級別的分類因子以及分類響應和連續響應進行流程更改進行通過/不通過決策所需的樣本量。我們進行了一些實驗，發現分類因子的兩個級別之間的響應沒有統計學意義，但是現在我們想知道我們有多大信心，相信沒有區別。為了回答這個問題，我開始嘗試使用JMP樣本大小和功效計算器來獲得兩種樣本均值。
如果我使用這種方法，我將得到428個樣本的顯著性水平為0.05，不可否認係數為0.3，則我有87％的機會檢測到0.09％的分類響應有顯著差異。
任何人都對這種方法有任何想法，或者對如何弄清楚樣本量和對結果的信心有什麼想法？
我的一個學院建議我們說這裡的樣本大小只有3個，其中3個運行由對照過程處理的72個樣本和實驗過程處理的72個樣本組成。
謝謝，
喬琳
首先，了解您的實驗很重要。
因此，您有72個不同的樣本，並且可以對每個樣本進行不同的實驗？
在可以對每個樣本進行不同實驗的配對比較之後？
您想將舊過程與具有兩個不同分類設置的新過程進行比較，因此對於一個完整的運行，我們將有3種處理x 72個樣本？
回复：確定分類因素的樣本量嗨，Jolene！
回顧性功率分析通常是不適當的事情。作為@喬治暗示，我們對您的實驗知之甚少。您設計了它（沒有考慮實驗的力量？），運行了它，收集了數據，進行了分析，但沒有達到“顯著性”。因此，現在您可以追溯計算功率，以查看測試是否足夠強大。這是一個似是而非的問題。我們已經知道它還不足以檢測效果大小...這就是為什麼結果不明顯的原因！
功率計算對於設計很有用，而對分析沒有追溯力。您可能希望修改自己的假設，以便以後進行的實驗是等價的或非劣等的。請參閱隨附的Hoenig和Heisey論文。
在不了解實驗目標，設計，進行或分析的情況下，樣本量似乎很大。您也許可以使用實驗中的數據來構建仿真模型，以探索特定潛在設計的預期能力，並為後續實驗進行分析。在我看來，這種方法將最好地回答您的問題。
祝你好運！
回复：確定分類因素的樣本量嗨，喬治，我有兩個步驟，在步驟1中改變了樣品的處理方式。條件是治療A（對照）與治療B（替代）。我有216個樣品經過處理A，有216個樣品經過處理B。
然後，所有這些樣本都經過了第二個過程。由於種種限制，我不得不分三批進行處理，每批都包含來自處理A的72個樣本和來自處理B的72個樣本。運行1、2和3的處理類似。
我現在正在分析對治療A與B的這種分類因素的持續和分類反應。我的回答沒有明顯差異，但我的同事問樣本量是否足夠大，足以使自己有信心做出決定繼續進行和改變流程。
謝謝！
