GraphPad Prism 统计区分时为啥会出现异常值(Outlier)？

什么是异常值？

在我们分析数据时，有时会发现一个值与其他值相差甚远。这类值称为 “异常值”，通常来说这个术语没有严格定义。在Prism的非线性回归中，异常值是远离稳健回归定义的最佳拟合曲线的点。

为什么会产生异常值？你需要先思考…

1. 输入到计算机的值是否正确？如果是数据输入有误，先修正；
2. 试验是否存在问题？比如，如果你注意到一根试管中的样本看起来很有趣，你可以用它作为排除该试管中样本所产生的值的理由，而无需执行任何计算；
3. 是否由生物多样性引起的？如果每个值是来自不同的人或动物，那么异常值的存在可能是正确的。这类异常值，不是因为试验错误，而是因为那个人的操作可能与其他人不同。这或许是你数据中最令人兴奋的发现！
4. 如果你对以上三个问题的回答均为“否”，那么还有两种可能：
5. 异常值是由于偶然因素造成的。在此情况下，你应在分析中保留该值。该值与其他值来自相同的分布，因此应包括在内；
6. 异常值是因为一个错误造成的。如错误的移液、电压尖峰、过滤器中的孔洞等。由于在分析中包含错误值会使结果无效，此时是需要删除的。也就是说，该值来自于不同于其他值的群体，并且具有误导性。

何时需要剔除异常值？

• 何时可以使用自动异常值剔除功能？
  ?

• 何时不建议使用自动异常值剔除功能？

1. 拟合错误模型时，异常值消除会产生误导；
2. 数据点不独立时，剔除异常值会产生误导；
3. 所选加权因子不正确时，剔除异常值会产生误导。
   
   ?

异常值并非总是“坏”点

Prism如何助你快速处理异常值？

在数据分析的过程中，我们需要首先识别异常值，然后判断异常值是否需要剔除。大家可看一下站内提供的全系列视频指南或者查看软件使用手册具体了解如何操作。