离群值（Outliers）（一）

 

我们在临床试验的数据收集中可能会碰到一些诸如此类的数据：

（1）某病人的身高220cm

（2）某病人的收缩压250mmHg

   。。。。

 

这时我们的第一感觉就是这些数据不正常，不符合常规，其实这就是所谓的离群值（Outliers），即某个数据值和其他的数据值看上去不一致。从统计学上来说，离群值有很低的概率来源于其他数据相同的统计分布。

 

那么造成这些离群值的原因有哪些呢？其实想来，无外乎两种可能：

 

（1）数据错误，这可能是我们的第一反应。当我们再重新核对原始资料后，可能发现这些值可能是数据记录或数据输入等方面的错误。

（2）人家这个值确实就是这样的，那只能说明这些值是一些罕见的情况，比如人家确实身高就220cm，人家血压就高，就是250mmHg，世界之大，无奇不有吗。。。而且虽然人家罕见，但确实也是总体的一部分吗。

 

那outliers会带来什么问题呢？最大的影响莫过于所有基于均数和标准差的统计检验都会被损害，由此带来的问题包括：

 

（1）估计发生偏倚

（2）sums of squares增大

（3）p值错误

（4）结论错误

 

关于outliers的危害，小胖在下篇博文中将结合一个例子来给大家简单介绍一下。。。