我應該考慮在 DOE 中進行功率分析嗎？有人告訴我，在評估 DOE 時我們需要保持 >=80% 的功率，但為什麼使用 PB 設計時功率如此之低？ 例如，如果我用 11 個因子進行 12 次實驗，則功效約為 0.27。 我可以相信這種低功耗的設計嗎？ 謝謝你。
美國能源部回复：我應該考慮在 DOE 中進行功率分析嗎？你好@JMPLearner_2022 ,
功效是檢測顯著效果（如果它們有效存在）的能力。
這 80% 是評估篩選設計是否能夠有效檢測主效應的實用經驗法則，但請記住，功效計算不僅取決於設計（及其樣本量），還取決於顯著性水平（通常為 0,05）、要檢測的差異大小和響應的預期信噪比（或 RMSE）。
因此，如果您預期的 RMSE 較低（響應的測量更加精確且方差較小）和/或您想要檢測的差異大小較高，您可能會期望您的效果具有更高的功率。
在優化設計（混合設計、空間填充設計......）的情況下，考慮功率可能不是很有趣，因為它們的主要關注點是響應預測精度，而不是估計計算精度。 但是在篩選設計的情況下，權力是最重要的，就像你的情況一樣。
很難判斷我們是否可以用這些信息信任您的設計，因為它不僅取決於設計本身及其期望（RMSE、顯著性水平、要檢測的差異大小……），還取決於您要篩選的因素，您希望檢測到哪些顯著的、預期的差異... = 領域專業知識。
也許您的一種解決方案是嘗試計算不同的設計，以便比較不同篩選設計的優缺點。
查看定制設計，如果我為 11 個連續因子（所需的最少運行次數）修復 12 個實驗，我還發現主效應的功效接近 0.21（如果存在，則有 21% 的機會看到顯著效應）。 但是，如果將運行次數增加到 16（由 JMP 推薦，“默認”設置），主效應的功率會上升到 0.84。 如果實驗成本不太高，增加樣本量可能會幫助您對自己的篩選能力更有信心。
希望對你有幫助，
