更多精彩www.graphpad-prism.cn在我們分析數據時，有時會發現一個值與其他值相差甚遠。這類值稱為 「異常值」，通常來說這個術語沒有嚴格定義。在Prism的非線性回歸中，異常值是遠離穩健回歸定義的最佳擬合曲線的點。
01為什麼會產生異常值？你需要先思考…
當你遇到異常值時，先不要急著把它從分析中刪掉。可以先嘗試問自己如下↓問題：
1）輸入到計算機的值是否正確？如果是數據輸入有誤，先修正；
2）試驗是否存在問題？比如，如果你注意到一根試管中的樣本看起來很有趣，你可以用它作為排除該試管中樣本所產生的值的理由，而無需執行任何計算；
3）是否由生物多樣性引起的？如果每個值是來自不同的人或動物，那麼異常值的存在可能是正確的。這類異常值，不是因為試驗錯誤，而是因為那個人的操作可能與其他人不同。這或許是你數據中最令人興奮的發現！
如果你對以上三個問題的回答均為「否」，那麼還有兩種可能：
4）異常值是由於偶然因素造成的。在此情況下，你應在分析中保留該值。該值與其他值來自相同的分布，因此應包括在內；
5）異常值是因為一個錯誤造成的。如錯誤的移液、電壓尖峰、過濾器中的孔洞等。由於在分析中包含錯誤值會使結果無效，此時是需要刪除的。也就是說，該值來自於不同於其他值的群體，並且具有誤導性。
當然，問題是你永遠不能確定這些可能性中哪一個是正確的。
02異常值並非總是「壞」點
非線性回歸通常可與實驗數據一起使用，其中，X為變量（例如，時間或濃度）或在實驗中調整的某些其他變量。由於所有分散都是由實驗誤差造成，而且我們幾乎確定這由實驗誤差造成，所以，剔除所有極端異常值很有意義的。
在其他情況下，每個數據點均可表示不同的個體。在此情況下，異常值可能不是由實驗錯誤造成，而是由生物變異引起的，或者是模型中未包含的其他變量的差異。此時，異常值的存在可能成為研究中最有意義的發現。儘管在此情況下，ROUT異常值方法標記異常值可能很重要，但是在未深入思考（或進行實驗）就自動排除這些異常值的情況下，就是大錯特錯了。
在質量控制分析中，異常值可告訴你失控的過程。在未先了解該數值遠離其他數值的原因時，不得刪除異常值，異常值可能告訴你某些重要的信息。
03何時需要剔除異常值？
像線性回歸一樣，非線性回歸假設理想曲線周圍的數據分散遵循高斯或正態分布。異常值可能違反了這一假設，並使非線性回歸結果無效。為處理異常值，Prism提供了自動異常值剔除功能：
？何時可以使用自動異常值剔除功能
我們在做實驗的時候難免會出現錯誤，這時可能會導致錯誤的值產生--異常值。即使是單個異常值也可能影響平方和計算，並導致誤導性的結果。有些同學可能會認為隨意剔除異常值是作假行為。其實那種通過特殊方式剔除「異常值」 ，特別是只剔除妨礙獲得想要結果的異常值時，才是作假行為。另外，留下以供分析的數據中的異常值也是一種作假，因為它可能會產生無效結果。
？何時不建議使用自動異常值剔除功能
1. 擬合錯誤模型時，異常值消除會產生誤導；
2. 數據點不獨立時，剔除異常值會產生誤導；
3. 所選加權因子不正確時，剔除異常值會產生誤導；
04Prism如何助你快速處理異常值？
在數據分析的過程中，我們需要首先識別異常值，然後判斷異常值是否需要剔除。GraphPad Prism專為這一問題提供了專業解決方法 - 穩健回歸和ROUT法，大家可以到GraphPad中國官網找到官方中文用戶指南具體了解如何操作~