我想了解穩健得分如何始終為 +- 2.5。它比火山圖好在哪裡，以及 JMP18 從 JMP 8 更新而來的這項變更背後的詳細原理。
你好！
主要想法是，在多元分析中被確定為異常值的物件通常也會在單變量分析中出現為異常值，或至少在一個或多個單變量維度中可檢測到。
異常值報告使用應用於發現域內各個測試的單變量檢測演算法來識別潛在的異常值。根據 Rousseeuw 和 Hubert (2011) 的方法，針對每個發現計算穩健分數。穩健得分大於 2.5 或小於 -2.5 的觀測值被標記為潛在異常值。
參考 Rousseeuw 和 Hubert (2011)，穩健分數計算為 (x_i - 中位數)/MAD，類似於 z 分數的格式。 2.5 是建議參考值。我們選擇 2.5，因為超過 ±2.5 的分數大致對應於比常態分佈資料集的 98-99％ 更極端的資料點。
圖 2 按研究地點總結了這些穩健分數，標題為「按研究地點劃分的單變量異常值」。這種視覺化可以讓使用者快速識別每個網站的異常值。可以透過將滑鼠懸停在圖表中的各個點上或選擇點並顯示關聯表（顯示表）來存取更多詳細資訊。
目前箱線圖顯示每個類別的穩健分數，直觀地強調每個組內的分佈、中位數和異常值。與主要關注量級與顯著性（例如倍數變化與 p 值）的火山圖不同，箱線圖直接可視化類別層級的變化，並明確突出顯示各個異常值，從而更容易、更直觀地進行跨類別的穩健異常值檢測和比較。
如果您還有其他問題，請告知我們！我們很樂意討論！
