进行多次比较时，可以排除明显的异常值吗？随附的JMP文件显示了多个比较情况，其中排除了第60行中的明显异常值会导致不同的结果。
最佳做法是什么？
当Dunnett检验中包含第60行时，控件R1的平均值等于R3和R5的平均值（红色）。
当排除第60行时，控件R1的平均值等于R3，R4和R5的平均值。
回复：我可以在进行多个比较时排除明显的异常值吗？其他统计方面的知识超出我的能力，但在排除异常值之前我要问的第一个问题是，您是否知道这一点的可分配原因？也就是说，您知道是什么导致它具有该值或正常变化吗？
如果您不知道具体原因，那么您可能不得不假设它是正常的变化，您可能不应该仅仅因为它看起来像是一个异常值而影响您的分析，就不排除它。
回复：我可以在进行多个比较时排除明显的异常值吗？通过包含离群值，您可以得出p4- <0.05（显着）的R4-R1差异，而p-值> 0.05的除外，这似乎并没有实际意义。只是我们倾向于过于关注p值是否<0.05。如今，统计学家之间就这种二元思维方式（重要或不重要）进行了很多讨论，这导致您在这里所遇到的困惑。
一种更现代的方法是查看置信区间（CI）。除了使用“按Y拟合X”进行比较外，您还可以通过“分析”>“拟合模型”执行相同的操作，选择Y = Y，然后X = X，然后单击“运行”。在弹出的模型报告窗口中，单击红色三角形，然后选择“估计”>“多个比较”。选择Dunnett的测试，并选择R1作为对照。这将在报告中生成“ X的多个比较”选项卡，只是现在您拥有无法通过“按X匹配X”获得的配置项（也许我们应该将其放入JMP愿望清单中）。下面的两张图片显示了此报告，同时包含然后排除了第60行。生成该测试的脚本保存在随附的JMP表中。
通过包含第60行，R4-R1的CI为0.10297至6.4614；排除它，CI为-0.29514至5.8452。从实用的角度来看，下限CI是0.10297还是-0.29514似乎无关紧要，因为两者都非常接近零。因此，排除第60行并不意味着事实意义不大。
因此，我将保留第60行并报告配置项。不仅由于上述几点，而且因为排除异常值和方法，在了解数据之前都应达成共识。如果在此之后进行，可能会导致数据疏导，除非您几乎可以肯定地知道为什么第60行这么低（可分配原因为 @杰夫·珀金森刚刚提到）。
