روشهای شناسایی و تحلیل داده های پرت در تحلیل رگرسیون

Abstract

مقدمه: در تمامی مطالعات وجود داده پرت و دور افتاده از مسائل مشکل ساز در تجزیه و تحلیل نتایج می باشد. داده پرت یا به عبارتی نقطه دورافتاده نقطه ای است که از سایر نقاط فاصله زیادی داشته باشد. این گونه داده ها به دلایل مختلفی از جمله اشتباه در جمع آوری داده ها، ابزار اندازه گیری نادرست، وجود افراد غیرمعمول در نمونه و... به وجود می آیند. در این مقاله هدف شناساندن راه های تشخیصی داده های پرت و درمان آنها در رگرسیون می باشد. روش بررسی:در این مقاله روش های تشخیصی داده های دور افتاده بر روی 20 زن 25-34 ساله بررسی شد که هدف بررسی ارتباط توده چربی بدن با 2 متغیر قطر ران و قطر بازو می باشد. تجزیه و تحلیل داده ها با استفاده از نرم افزار sas صورت پذیرفت. یافته ها: با استفاده از روشهای شرح داده شده داده سوم به عنوان داده پرت تشخیص داده شد وپس از انجام رگرسیون با حضور داده پرت و بودن حضور آن داده مشخص شد که این داده بی تاثیر بوده است.