누군가 DOE를 평가할 때 검정력 >=80%를 유지해야 한다고 말했지만 PB 설계를 사용할 때 검정력이 왜 그렇게 낮습니까? 예를 들어, 11개의 요인으로 12개의 실험을 실행하면 검정력은 약 0.27입니다. 저전력으로 이 디자인을 믿을 수 있습니까? 고맙습니다.
안녕 @JMPLearner_2022 ,
권력은 그들이 효과적으로 존재할 경우 상당한 효과를 감지하는 능력입니다.
이 80%는 선별 설계가 주효과를 효율적으로 탐지할 수 있는지 여부를 평가하기 위한 실제 경험 법칙이지만 검정력 계산은 설계(및 표본 크기)뿐만 아니라 유의성에도 영향을 받습니다. 레벨(종종 0,05), 감지할 차이 크기 및 응답의 예상 신호 대 잡음비(또는 RMSE).
따라서 예상 RMSE가 더 낮거나(응답이 더 정확하고 더 낮은 분산으로 측정됨) 탐지하려는 차이 크기가 더 크면 효과에 대해 더 높은 검정력을 기대할 수 있습니다.
검정력은 최적화 설계(혼합 설계, 공간 채우기 설계...)의 경우 고려하는 것이 그다지 흥미롭지 않을 수 있습니다. 그 이유는 추정 계산 정밀도가 아니라 응답 예측 정밀도에 주요 초점이 있기 때문입니다. 그러나 귀하의 경우와 같이 스크리닝 디자인의 경우 권력이 최우선 관심사입니다.
디자인 자체와 예상(RMSE, 유의 수준, 감지할 차이 크기 등)뿐만 아니라 선별하려는 요소에 따라 달라지기 때문에 이러한 정보로 귀하의 디자인을 신뢰할 수 있는지 여부를 말하기 어렵습니다. , 감지할 수 있는 중요하고 예상되는 차이가 무엇이라고 예상하는지... = 도메인 전문성.
아마도 한 가지 솔루션은 다양한 선별 설계의 강점과 약점을 비교하기 위해 다양한 설계를 계산하는 것입니다.
사용자 지정 설계를 살펴보면 11개의 연속 요인(필요한 최소 실행 횟수)에 대해 12개의 실험을 수정하면 주효과에 대한 검정력도 0.21에 가깝다는 것을 알 수 있습니다(따라서 21%의 확률이 존재하는 경우 유의미한 효과를 볼 수 있음). 그러나 실행 횟수를 16회로 늘리면(JMP 권장 "기본값" 설정) 주 효과의 위력이 0,84까지 증가합니다. 실험 비용이 너무 많지 않다면 표본 크기를 늘리면 선별 능력에 대한 자신감을 얻는 데 많은 도움이 될 수 있습니다.
이것이 도움이 되기를 바랍니다.
