داده پرت را فوراً حذف نکنید
وقتی یک عدد خیلی با بقیه داده‌ها فرق دارد، اولین واکنش بعضی پژوهشگران این است که آن را حذف کنند. اما «غیرعادی بودن» یک مشاهده، به تنهایی دلیل کافی برای کنار گذاشتن آن نیست. 📊
━━━━━━━━━━━━━━
اول بفهمید چرا پرت شده است
یک مقدار دورافتاده ممکن است ناشی از:
• خطای ورود داده
• اشتباه اندازه‌گیری
• مشکل در اجرای پژوهش
• یا یک مشاهده واقعی و علمی مهم
باشد.
پس قبل از هر تصمیم، منشأ آن را بررسی کنید.
━━━━━━━━━━━━━━
پرت بودن همیشه یعنی اشتباه بودن نیست
ممکن است یک مشاهده کاملاً معتبر باشد، اما با الگوی بیشتر افراد تفاوت زیادی داشته باشد.
در چنین حالتی حذف خودکار آن می‌تواند اطلاعات واقعی داده را از بین ببرد و حتی نتیجه تحلیل را تغییر دهد.
🔍 گاهی همین مشاهده غیرعادی سرنخی درباره یک زیرگروه یا پدیده مهم است.
━━━━━━━━━━━━━━
فقط به یک قانون عددی تکیه نکنید
قواعدی مثل:
«هر داده‌ای بیشتر از سه انحراف معیار فاصله داشت حذف شود»
نباید بدون توجه به توزیع داده، طراحی مطالعه و منطق علمی استفاده شوند.
برخی روش‌های تشخیص داده پرت نیز فرض‌های آماری مشخصی دارند و برای همه داده‌ها مناسب نیستند.
━━━━━━━━━━━━━━
تحلیل حساسیت انجام دهید
اگر درباره یک مشاهده مشکوک هستید، می‌توانید تحلیل را:
یک‌بار با آن داده
و یک‌بار بدون آن
اجرا کنید.
اگر نتیجه به شدت تغییر کرد، باید این موضوع را جدی بررسی و در گزارش پژوهش شفاف بیان کنید.
━━━━━━━━━━━━━━
جمع‌بندی
داده پرت را فقط به این دلیل که «ظاهر نتایج را خراب می‌کند» حذف نکنید.
اول علت را بررسی کنید، سپس بر اساس شواهد، منطق پژوهش و روش آماری تصمیم بگیرید.
حذف داده باید قابل توجیه باشد، نه سلیقه‌ای.
@researchyarr