Kommentare zu: Wie mit Ausreißern umgehen?

Von: Daniela Keller

Daniela Keller — Mon, 06 Jan 2025 15:22:33 +0000

Als Antwort auf Fenja.

Hallo Fenja,

wenn die Normalverteilung gegeben ist, dann sind das vermutlich keine extremen Ausreißer, oder? Denn die würden ja auch eine Normalverteilung stören.
Dass aber alle Ausreißer aus einer einzelnen Gruppe sind, ist schon auffällig. Das passt alles für mich nicht so gut zusammen. Ich würde hier also nochmal genauer untersuchen, woran es liegt und ob du vielleicht doch eine andere Möglichkeit hast (Transformieren, einfachere Analyse auf Differenzwerten oder nicht-parametrisch rechnen auf Differenzwerten, oder Bootstrapping, wenn der Datensatz groß genug ist)…

LG Daniela

Von: Daniela Keller

Daniela Keller — Mon, 06 Jan 2025 15:18:13 +0000

Als Antwort auf Rosa.

Hallo Rosa,

wenn du nicht-parametrisch arbeitest, haben die Ausreißer keinen Einfluss auf das Ergebnis. Es sind dann einfach die größten (oder kleinsten) Messwerte. Aber sie verzerren das Ergebnis dann nicht. Lass sie also drin.
Anders wäre es, wenn die Daten inhaltlich nicht passen (z.B. Tippfehler, unrealistische Werte), aber ich denke, das ist hier nicht der Fall.

LG Daniela

Von: Daniela Keller

Daniela Keller — Wed, 11 Dec 2024 21:29:55 +0000

Als Antwort auf Lena.

Hallo Lena,
beim Wilcoxon-Test ist das beides nicht nötig. Der ist ja nichtparametrisch und somit stören Ausreißer hier nicht.
LG Daniela

Von: Lena

Lena — Mon, 26 Aug 2024 11:55:27 +0000

Liebe Daniela,

danke für deine hilfreichen Antworten.

Was sagst du zu dem Vorgehen, einen gepaarten Wilcoxon-Test mit und ohne Ausreißer zu rechnen und dabei Bootstrapping zu verwenden, um zu schauen, inwieweit die Konfidenzintervalle unterschiedlich sind? Und somit zu schauen, ob Ausreißer die Teststatistik stark beeinflussen.
Oder ist Bootstrapping hier „unnötig“?

Liebe Grüße und danke, Lena

Von: Rosa

Rosa — Fri, 19 Jan 2024 14:02:18 +0000

Hallo Daniela,
Ich habe eine Untersuchung zur Menge an Sport, die Menschen vor und nach einem Klinikaufenthalt treiben, durchgeführt und habe dort sehr sehr viele Ausreißer und insgesamt keine normalverteilte Stichprobe. Allerdings ist sie mit 250 Datenpunkten recht groß. Ich habe für alle Analysen jetzt nicht-parametrische Tests verwendet. Sollte ich Ausreißer löschen, oder inhaltlich begründen warum ich sie drinnen gelassen habe? und wenn ich sie besser löschen sollte, dann nach welchen Kriterien?
Ich dachte eigentlich ich wäre fertig mit der Arbeit und muss in 10 Tagen abgeben. jetzt ist mir das ganze erst aufgefallen…

LG Rosa

Von: Fenja

Fenja — Sun, 07 Jan 2024 13:33:03 +0000

Hallo Daniela, vielen Dank für die tolle Erklärung zu Ausreißern! Ich habe aktuell folgendes Problem: Ich habe mittels Boxplots auf Ausreißer überprüft und als Ergebnis zeigen sich neun leichte und elf extreme Ausreißer. Ich möchte eine gemischte ANOVA rechnen und weiß nun nicht so richtig weiter, da diese ja recht anfällig gegenüber Ausreißern sein kann. Alle meine elf Ausreißer stammen aus einer meiner zwei Gruppen und ich habe die Vermutung, dass es sich um echte Ausreißer handelt, weshalb ich die Daten eigentlich gerne drinlassen würde. Die Voraussetzung auf Normalverteilung der Residuen ist außerdem gegeben. Würde ich die elf Extremfälle entfernen würde meine Gruppe zu klein werden und ich dadurch natürlich an Power verlieren. Kann ich das rechtfertigen meine Ausreißer drinzulassen?

Von: Daniela Keller

Daniela Keller — Tue, 24 Mar 2020 18:49:10 +0000

Als Antwort auf Eva.

Hallo Eva,
der Wert 9,785 e-5 bedeutet: 9,785*10^-5, also 0,00009785.
Wie war denn der Wert vor Ausschluss dieser Fälle?
LG Daniela
P.S.: Wenn Du mehr zur Statistik von mir lernen willst, dann schau Dir mein Angebot der Statistik-Akademie an: https://statistik-und-beratung.de/mitgliederbereich-lp/

Von: Daniela Keller

Daniela Keller — Tue, 24 Mar 2020 18:47:57 +0000

Als Antwort auf Christina.

Hallo Christina,
ja, so könntest Du vorgehen. Aber es kann passieren, dass dadurch immer neue Ausreißer auftreten.
Da Du sowieso noch andere Probleme mit den Voraussetzungen hast, würde ich anders herangehen und erstmal versuchen, die Variablen zu transformieren, um Normalverteilung zu erzeugen. Vielleicht lösen sich damit die anderen Probleme auch. Falls das nichts nützt, dann kannst Du auch immernoch ein Bootstrapping anwenden.
LG Daniela
P.S.: Wenn Du mehr zur Statistik von mir lernen willst, dann schau Dir mein Angebot der Statistik-Akademie an: https://statistik-und-beratung.de/mitgliederbereich-lp/

Von: Eva

Eva — Sun, 09 Feb 2020 14:46:57 +0000

Hallo…
Ich habe ein Problem mit den Ausreißer der Residuen in einer multiplen linearen Regression. In der Fallweisen Diagnose werden mir 5 Ausreißer angezeigt, zwei davon sind über dem Grenzwert (3,612 und 3,192) wenn ich die entsprechenden Fälle ausschließen wird allerdings beim Regressionskoeffizienten einer Variable ein Wert (9,785 e-5) angezeigt. Ich verstehe das nicht, da es sich hierbei nur um 2 Fälle von mehreren tausend handelt und ich auch nicht weiß was mir diese Angabe bei dem Regressionskoeffizienten sagen soll…kannst du mir hier weiterhelfen?

Von: Christina

Christina — Fri, 07 Feb 2020 14:56:04 +0000

Hallo Daniela,

ich möchte eine lineare Regression rechnen und habe mittels fallweiser Diagnose festgestellt, dass bei mehr etwas mehr als 5% bzw. 1% der Fälle die Residuen über 2/2.5 liegen. Würde man nun einfach die Fälle mit den höchsten Residuen ausschließen so lange bis eben nur noch 5%/1% der Fälle in diesem bereich liegen? Leider habe ich auch das Problem, dass teilweise weder NV der Residuen, noch Homoskedastizität vorliegt. Wäre als alternatives Verfahren dann eher bootstrapping oder eine robuste Regression angebracht?

Vielen Dank für deine Antwort.

Christina