本文探讨异常值的概念，分析异常值产生的原因，指出何时需要剔除异常值，并介绍Prism软件如何帮助处理异常值，强调异常值可能是有价值的数据点，提醒在剔除前需深思熟虑。
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…
当你遇到异常值时，先不要急着把它从分析中删掉。可以先尝试问自己如下↓问题：
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！
如果你对以上三个问题的回答均为“否”，那么还有两种可能：
4）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；
5）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。
当然，问题是你永远不能确定这些可能性中哪一个是正确的。
何时需要剔除异常值？
像线性回归一样，非线性回归假设理想曲线周围的数据分散遵循高斯或正态分布。异常值可能违反了这一假设，并使非线性回归结果无效。为处理异常值，Prism提供了自动异常值剔除功能：
- 何时可以使用自动异常值剔除功能？
我们在做实验的时候难免会出现错误，这时可能会导致错误的值产生--异常值。即使是单个异常值也可能影响平方和计算，并导致误导性的结果。有些同学可能会认为随意剔除异常值是作假行为。其实那种通过特殊方式剔除“异常值” ，特别是只剔除妨碍获得想要结果的异常值时，才是作假行为。另外，留下以供分析的数据中的异常值也是一种作假，因为它可能会产生无效结果。
- 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
非线性回归通常可与实验数据一起使用，其中，X为变量（例如，时间或浓度）或在实验中调整的某些其他变量。由于所有分散都是由实验误差造成，而且我们几乎确定这由实验误差造成，所以，剔除所有极端异常值很有意义的。
在其他情况下，每个数据点均可表示不同的个体。在此情况下，异常值可能不是由实验错误造成，而是由生物变异引起的，或者是模型中未包含的其他变量的差异。此时，异常值的存在可能成为研究中最有意义的发现。尽管在此情况下，ROUT异常值方法标记异常值可能很重要，但是在未深入思考（或进行实验）就自动排除这些异常值的情况下，就是大错特错了。
在质量控制分析中，异常值可告诉你失控的过程。在未先了解该数值远离其他数值的原因时，不得删除异常值，异常值可能告诉你某些重要的信息。
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。GraphPad Prism专为这一问题提供了专业解决方法 - 稳健回归和ROUT法，大家可以到GraphPad中国官网（http://www.graphpad-prism.cn）中的官方中文用户指南具体了解如何操作。
如果大家对Prism的使用有任何问题，欢迎私信我们哦！
精彩专栏：
GraphPad Prism 8zhuanlan.zhihu.com
扫一扫
1043
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
