我应该考虑在 DOE 中进行功率分析吗？有人告诉我，在评估 DOE 时我们需要保持 >=80% 的功率，但为什么使用 PB 设计时功率如此之低？ 例如，如果我用 11 个因子进行 12 次实验，则功效约为 0.27。 我可以相信这种低功耗的设计吗？ 谢谢你。
美国能源部回复：我应该考虑在 DOE 中进行功率分析吗？你好@JMPLearner_2022 ,
功效是检测显着效果（如果它们有效存在）的能力。
这 80% 是评估筛选设计是否能够有效检测主效应的实用经验法则，但请记住，功效计算不仅取决于设计（及其样本量），还取决于显着性水平（通常为 0,05）、要检测的差异大小和响应的预期信噪比（或 RMSE）。
因此，如果您预期的 RMSE 较低（响应的测量更加精确且方差较小）和/或您想要检测的差异大小较高，您可能会期望您的效果具有更高的功率。
在优化设计（混合设计、空间填充设计......）的情况下，考虑功率可能不是很有趣，因为它们的主要关注点是响应预测精度，而不是估计计算精度。 但是在筛选设计的情况下，权力是最重要的，就像你的情况一样。
很难判断我们是否可以用这些信息信任您的设计，因为它不仅取决于设计本身及其期望（RMSE、显着性水平、要检测的差异大小……），还取决于您要筛选的因素，您希望检测到哪些显着的、预期的差异... = 领域专业知识。
也许您的一种解决方案是尝试计算不同的设计，以便比较不同筛选设计的优缺点。
查看定制设计，如果我为 11 个连续因子（所需的最少运行次数）修复 12 个实验，我还发现主效应的功效接近 0.21（如果存在，则有 21% 的机会看到显着效应）。 但是，如果将运行次数增加到 16（由 JMP 推荐，“默认”设置），主效应的功率会上升到 0.84。 如果实验成本不太高，增加样本量可能会帮助您对自己的筛选能力更有信心。
希望对你有帮助，
