我想了解稳健性评分为何始终为 +- 2.5。它比火山图好在哪里，以及 JMP18 更新中从 JMP 8 进行的这一更改背后的详细原理。
你好！
主要思想是，在多元分析中被确定为异常值的对象通常也会在单变量分析中出现为异常值，或者至少在一个或多个单变量维度中可检测到。
异常值报告使用单变量检测算法识别潜在异常值，该算法应用于发现域内的单个测试。根据 Rousseeuw 和 Hubert (2011) 的方法，为每个发现计算稳健分数。稳健分数大于 2.5 或小于 -2.5 的观测值被标记为潜在异常值。
参考 Rousseeuw 和 Hubert (2011)，稳健分数的计算公式为 (x_i - 中位数)/MAD，与 z 分数的格式类似。2.5 是建议的参考值。我们选择 2.5 是因为 ±2.5 以外的分数大致对应于比正态分布数据集的约 98-99% 更极端的数据点。
图 2 按研究地点总结了这些稳健得分，标题为“按研究地点划分的单变量异常值”。此可视化功能可让用户快速识别每个地点的异常值。通过将鼠标悬停在图形中的各个点上或选择点并显示相关表格（显示表格），可以访问更多详细信息。
当前的箱线图显示每个类别的稳健分数，直观地强调每个组内的分布、中位数和异常值。与主要关注量级与显著性（例如倍数变化与 p 值）的火山图不同，箱线图直接可视化类别级变化并明确突出显示单个异常值，使稳健异常值检测和跨类别比较变得更容易、更直观。
如果您还有其他问题，请告诉我们！我们很乐意讨论！
