混料設計的功率計算 - 為什麼功率如此之低？一位客戶向我展示了這個，我不知道如何解釋。使用附表中的因子和默認的 21 次試驗，功效計算如下所示。有沒有很好的解釋為什麼功率如此之低？
回复：混料設計的功率計算 - 為什麼功率這麼低？混合設計具有低功耗，因為效果高度相關。 更多的相關性 == 更低的功率。 歸根結底，您對混料設計的興趣是響應估計而不是因子顯著性。 不能從模型中刪除不重要的因素，否則您沒有混合設計（即，它破壞了數學）。 對響應沒有影響的因子可能會發生的情況是它被設置為 0。 雖然從實際的角度來看，這似乎是一回事，但在數學上卻並非如此。 在使用 LASSO（或彈性網或脊）擬合非混合數據時，您可以使用類似的參數來保留不重要的數據。 重點是響應估計，丟棄不重要的因素實際上可能會使估計變得更糟（即，誇大預測方差）。
回复：混料設計的功率計算 - 為什麼功率這麼低？為 Don 的出色答案補充一點，在混合實驗中，功效確實無關緊要，因為您沒有測試主效應係數是否為 0。 您實際上會測試以查看主效應係數是否與數據的整體平均值不同。 這就是為什麼您不會將係數設置為 0 的原因。 它實際上是在說明該係數有影響。
我實際上希望 JMP 甚至不會報告混料設計的主效應的功效。 它會引起不必要的擔憂，因為您無法“修復”問題，考慮它也毫無意義。
回复：混料設計的功率計算 - 為什麼功率這麼低？並添加一件事以供將來參考...... 混合物通常受到單個組分的有限比例和有限的比例組合的限制。 這些約束極大地增加了估計的相關性，這進一步加劇了低功率。 它看起來真的很可怕！ 但作為@DonMcCormack和@Dan_Obermiller已經解釋過了，反正我們真的不在乎權力。
回复：混料設計的功率計算 - 為什麼功率這麼低？唐，您關於“無法從模型中刪除非重要因素”的陳述是否也與高階效應有關（非主效應/線性混合項）？
回复：混料設計的功率計算 - 為什麼功率這麼低？不，只有主效應（即不能從模型中刪除混合成分）。
