样本量探索器 - 两个独立样本等效性的功效 - 需要帮助亲爱的 JMP 社区成员们，
我想使用 TOST（比较 2 个样本）进行等效性测试。使用 JMP 17，我可以在 DOE 部分看到我们可以使用功率探测器执行一些功率计算。我认为在执行 TOST 之前合适的功率探测器是“两个独立样本等效性的功率探测器”。
我正在尝试让它工作，但有点困难。我通过计算合并值（样本 1 和 2）的公差区间来填充边距。这样对吗？
我报告了各个样本的标准差。
我的样本 1 和 2 的样本大小已锁定。
我有点不确定要用什么值来检测差异。
谢谢你的帮助！
最好的，
塞巴斯蒂安
我正在使用 JMP v.17。 @MarijaLind @spyros_megalou
数据探索与可视化实验设计质量与工艺工程回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助与显著差异的假设检验不同，显著相似性检验要求您指定什么是实际相同的。要检测的差异是您认为实际不同的最小差异。较小的差异将被视为实际等效。例如，如果您认为两个总体在 +/-2 以内时实际上是等效的，请输入 2。
回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助谢谢马克，
让我再问几个问题以确保我做得正确：
- 那么如何定义边距？我理解上边距“指定最大值，高于该最大值的平均值被认为与参考平均值不同”。我如何获得这个值？我尝试使用公差区间。我还尝试用 (上 TI-下 TI)/2 填充并勾选对称边界。它仍然不起作用。
- 再次对于“检测差异”，您是否向分析器提供 (汇集数据的最大值 - 汇集数据的最小值)/2？
最好的，
塞巴斯蒂安
回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助嗨@Sebastien_ ：为了扩展@Mark_Bailey所说的内容，您不会以那种方式使用公差区间。公差区间会告诉您有关单个值范围的一些信息。等效性测试是关于比较平均值，并以一定的置信度“证明”，它们（总体平均值）彼此足够接近（在由下限和上限定义的边界内）以被视为“等效”。下限和上限应该是多少？这不是一个统计问题。这将取决于应用程序。要检测的差异应该是边界内的某个值（要检测的差异是您认为总体平均值的实际差异），并且可以通过过去的数据来了解。
下面的链接可能会有帮助；它是对等效性测试的一个特别易读的解释。
https://pubs.acs.org/doi/pdf/10.1021/ac053390m
回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助嗨@Sebastien_ ：读完这整个帖子，也许读懂了一些字里行间的意思，也许你已经有数据并且想要测试等效性？或者你正在计划进行等效性测试并想知道样本量？
回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助嗨@MRB3855 ，
感谢您的帮助！我会看看您发来的论文。
如果我的目标不明确，我很抱歉。
我现在有来自两个独立实验的数据。有了这些数据，我想检查功效值是多少。是的，将进行等效性测试。
我的目标是在未来的实验中尝试确定使用什么最小样本量才能获得 80% 的功效。
最好的，
塞巴斯蒂安
回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助嗨@Sebastien_ ：好的，谢谢你的澄清。你目前拥有的数据可能可以说明一些事情。
- 要检测的差异：假设您拥有的数据代表了您想要比较的两个组，那么可以使用均值的差异（或置信上限）。
- 标准差（第 1 组和第 2 组）：假设您拥有的数据代表您正在比较的两个组，则
这里也许可以使用 sqrt（合并方差）或其置信上限（假设每个组的标准差大致相同）
这种功效计算可以被认为是一种“假设”分析；即，如果您提供的输入（检测差异、标准差）为真，并且您想要的 alpha、功效和边距与您输入的一样，那么您就可以计算功效。请记住，功效只是概率（当 Ha 为真时拒绝 H0 的概率）的另一种说法，其中：
H0：delta < 下限或 delta > 上限
Ha：下限保证金 <= delta <= 上限保证金
即，Ha 是您想要显示的；一旦您收集数据，它就会显示出来，如果差异的 100*(1-2*alpha)% 置信区间完全位于边界内。
回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助数据不能决定边际和差异。你决定它们。它们代表了等价性所需要的东西。
回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助在之前的分析中确定功效是不行的。这是一种回顾性的功效分析，通常被认为是无效的，是一种不好的做法。想想彩票。你会计算一张彩票在已经结束的彩票中中奖并选出获胜者的概率吗？
另一方面，前瞻性功效分析是有效且有用的。现有数据可用于估计预期功效计算中的均值和方差。
回复：样本量探索器 - 两个独立样本等价性的功效 - 需要帮助嗨@Sebastien_，正如@Mark_Bailey所说，收集数据后计算功效是没有意义的。当前数据可以为未来的研究提供信息，但从现有数据中检查功效值是没有意义的。
这是一篇很好的文章，有很好的参考文献。https 
/library.virginia.edu/data/articles/post-hoc-power-calculations-are-not-useful
此处的参考文献之一： https://www.zoology.ubc.ca/~bio501/R/readings/hoenig%20&%20heisey%202001%20am%20stat%20-%20fallacy%2...
