混料设计的功率计算 - 为什么功率如此之低？一位客户向我展示了这个，我不知道如何解释。使用附表中的因子和默认的 21 次试验，功效计算如下所示。有没有很好的解释为什么功率如此之低？
回复：混料设计的功率计算 - 为什么功率这么低？混合设计具有低功耗，因为效果高度相关。 更多相关性 == 更低功耗。 归根结底，您对混料设计的兴趣是响应估计而不是因子显着性。 不能从模型中删除不重要的因素，否则您没有混合设计（即，它破坏了数学）。 对响应没有影响的因子可能会发生的情况是它被设置为 0。 虽然从实际的角度来看，这似乎是一回事，但在数学上却并非如此。 在使用 LASSO（或弹性网或脊）拟合非混合数据时，您可以使用类似的参数来保留不重要的数据。 重点是响应估计，丢弃不重要的因素实际上可能会使估计变得更糟（即，夸大预测方差）。
回复：混料设计的功率计算 - 为什么功率这么低？为 Don 的出色答案补充一点，在混合实验中，功效确实无关紧要，因为您没有测试主效应系数是否为 0。 您实际上会测试以查看主效应系数是否与数据的整体平均值不同。 这就是为什么您不会将系数设置为 0 的原因。 它实际上是在说明该系数有影响。
我实际上希望 JMP 甚至不会报告混料设计的主效应的功效。 它会引起不必要的担忧，因为您无法“修复”问题，考虑它也毫无意义。
回复：混料设计的功率计算 - 为什么功率这么低？并添加一件事以供将来参考...... 混合物通常受到单个组分的有限比例和有限的比例组合的限制。 这些约束极大地增加了估计的相关性，这进一步加剧了低功率。 它看起来真的很可怕！ 但作为@DonMcCormack和@Dan_Obermiller已经解释过了，反正我们真的不在乎权力。
回复：混料设计的功率计算 - 为什么功率这么低？唐，您关于“无法从模型中删除非重要因素”的陈述是否也与高阶效应有关（非主效应/线性混合项）？
