Le fichier JMP ci-joint montre une situation de comparaison multiple où l'exclusion d'une valeur aberrante apparente à la ligne 60 conduit à des résultats différents.
Quelle serait la meilleure pratique ici?
Lorsque la ligne 60 est incluse dans le test de Dunnett, la moyenne du contrôle R1 est égale à celles de R3 et R5 (en rouge).
Lorsque la ligne 60 est exclue, la moyenne pour le contrôle R1 est égale à celles de R3, R4 et R5.
D'autres avec plus de connaissances statistiques que je ne devrais peser, mais la première question que je poserais avant d'exclure une valeur aberrante est de savoir si vous connaissez une cause attribuable à ce point? Autrement dit, savez-vous ce qui l'a fait avoir cette valeur ou était-ce une variation normale?
Si vous ne connaissez pas de cause spécifique, vous devez probablement supposer que c'est une variation normale et vous ne devriez probablement pas l'exclure simplement parce qu'elle ressemble à une valeur aberrante ET qu'elle affecte votre analyse.
Le fait qu'en incluant la valeur aberrante vous obtenez la différence R4-R1 avec p <0,05 (significatif) et en l'excluant avec une valeur p> 0,05 ne semble pas faire de différence pratique. C'est juste que nous avons tendance à trop nous soucier de savoir si la valeur de p <0,05. Il y a eu beaucoup de discussions ces jours-ci entre statisticiens sur cette façon de penser binaire (significative ou non significative) qui mène à la confusion comme celle que vous avez ici.
Une approche plus moderne consiste à examiner les intervalles de confiance (IC). Au lieu d'utiliser «Ajuster X par Y» pour effectuer les comparaisons, vous pouvez faire la même chose en analysant> Ajuster le modèle, sélectionnez Y = Y et X = X, puis appuyez sur «Exécuter». Dans la fenêtre de rapport de modèle qui apparaît, cliquez sur le triangle rouge et sélectionnez Estimation> Comparaisons multiples. Sélectionnez le test de Dunnett et R1 comme contrôle. Cela générera l'onglet «Comparaisons multiples pour X» dans votre rapport, seulement que vous avez maintenant les CI qu'il n'est pas possible d'obtenir via «Fit X by Y» (peut-être devrions-nous le mettre dans notre liste de souhaits JMP). Les deux images ci-dessous montrent ce rapport en incluant puis en excluant la ligne 60. Le script pour générer ce test est enregistré dans la table JMP jointe.
En incluant la ligne 60, l'IC de R4-R1 est de 0,10297 à 6,4614; en l'excluant, l'IC est de -0,29514 à 5,8452. Que l'IC inférieur soit de 0,10297 ou -0,29514 ne semble pas pertinent du point de vue pratique, car ils sont tous deux très proches de zéro. Ainsi, le fait que la signification soit perdue lorsque vous excluez la ligne 60 ne signifie pas grand-chose.
En tant que tel, je conserverais la ligne 60 et signalerais également les CI. Non seulement à cause du point ci-dessus, mais aussi parce que l'exclusion des valeurs aberrantes et la méthode pour le faire, est quelque chose qui devrait être convenu avant de connaître les données. Si cela est fait après le fait, cela peut conduire à un dragage de données, à moins que vous ne sachiez presque avec certitude pourquoi la ligne 60 était si basse (une cause attribuable comme @Jeff_Perkinson vient d'être mentionné).
