DOEでの検出力分析を検討する必要がありますか？DOEを評価するときに電力を80％以上に保つ必要があると誰かが言ったのですが、PB設計を使用するときに電力が非常に低いのはなぜですか？ たとえば、11の因子で12の実験を実行した場合、検出力は約0.27です。 このような低電力でこの設計を信頼できますか？ ありがとうございました。
DOERe：DOEでの検出力分析を検討する必要がありますか？やあ@ JMPLearner_2022 、
パワーとは、効果的に存在する場合に重要な効果を検出する機能です。
この80％は、スクリーニング設計が主効果を効率的に検出できるかどうかを評価するための経験則ですが、検出力の計算は設計（およびそのサンプルサイズ）だけでなく、有意性にも依存することに注意してください。レベル（多くの場合、0.05）、検出される差のサイズ、および応答の予想される信号対雑音比（またはRMSE）。
したがって、予想されるRMSEが低い場合（応答がより正確に測定され、分散が小さい場合）、および/または検出する差のサイズが大きい場合は、効果に対してより高いパワーが期待される可能性があります。
最適化設計（混合設計、空間充填設計など）の場合、電力は考慮に入れるのがあまり面白くないかもしれません。なぜなら、それらの主な焦点は、推定計算精度ではなく、応答予測精度にあるからです。 しかし、あなたの場合のように、スクリーニング設計の場合、力が最も重要です。
これらの情報を使用して設計を信頼できるかどうかを判断するのは困難です。これは、設計自体とその期待値（RMSE、有意水準、検出する差のサイズなど）だけでなく、スクリーニングする要素にも依存するためです。 、検出するために重要な、予想される違いが見られると予想されるもの... =ドメインの専門知識。
おそらく、さまざまなスクリーニングデザインの長所と短所を比較するために、さまざまなデザインを計算してみることをお勧めします。
カスタムデザインを見ると、11の連続因子（必要な最小実行数）に対して12の実験を修正すると、0.21に近い主効果のパワーも見つかります（したがって、存在する場合、21％の確率で有意な効果が見られます）。 ただし、実行回数を16に増やすと（JMPの「デフォルト」設定で推奨）、主効果のパワーは0.84まで上がります。 実験コストがそれほど高くない場合は、サンプルサイズを増やすと、スクリーニング能力の信頼性を高めるのに大いに役立つ可能性があります。
これがお役に立てば幸いです。
