数据中的所致值，应该直接删除吗？

不少人曾问我：我的信息之前有持续性绝对值，真的应该删去？要说这个问题，我们必须从持续性绝对值的种概念来回忆说。不太可能有的人觉得持续性绝对值很好理解，不就是“持续性”的绝对值吗？极其重要是，怎样才算持续性呢？例：在10个信息之前（右图蓝色点）；也转至红、橙、深红色的3个点，它们都是持续性绝对值吗？持续性绝对值本来是一个较为恰当的种概念，它至少包包涵了三种有无：(1) 离群绝对值（outliner）离群绝对值是仅指从因变量y的角度来看归属于持续性的绝对值，如图之前的红色点和橙色点，偏差y的均绝对值较其它点更几倍。离群绝对值却是一定采用学生化残差来判别。(2) 高杠杆绝对值（high leverage）高杠杆绝对值是仅指从方差x的角度来看归属于持续性的绝对值，如图之前的深红色点和橙色点，在x轴上偏差x的均绝对值较几倍。高杠杆绝对值却是一定采用杠杆绝对值来判别。(3) 强因素绝对值（influential observation）强因素绝对值是仅指对框架因素较大的绝对值，理论上，如果删去了该绝对值，会引致框架发生很大波动（如系数绝对值改变较大）。强因素点却是一定采用COOK'D绝对值、DFBETAS和DFFITS来判别。右图比较了各有不同持续性绝对值对框架二阶缺点的因素。图之前蓝色虚新线表示不包涵这3个持续性绝对值的二阶新线，橙色、红色、深红色虚新线分别表示包涵橙色点、红色点、深红色点时的二阶新线。不难看出，包涵有橙色点时，对框架二阶因素仍然不大（与蓝色虚新线仍然重合）；包涵有深红色点时，二阶新线被垂直拉低，即重回系数几倍低于蓝色虚新线；包涵有红色点时，二阶新线也被拉低。如果要判别的话，橙色点虽然从x斜向和y斜向上都偏差均绝对值，但却不是强因素点；深红色点和红色点才是强因素点，因为基本上的任一点便可以引致系数发生很大波动。我们现在仍然确信了如何判别一个点真的持续性点，紧接着的问题就是，如果我发现了持续性点，应该怎么处理？不少人习惯有用粗暴的作法，即直接删去。这却是是众所周知的办法，有时甚至会让你错过一些无论如何的渐进。当你发现持续性绝对值后，一定要先分清是什么状况引致的持续性绝对值，然后再考虑如何处理。如果是归属于集成有误或学术研究之前心记录有误等，这很容易，立刻改写即可。如果不是集成有误，而是毕竟假定这样的持续性绝对值，这时必需根据各有不同有无来分别对待。首先，如果这一持续性绝对值却是值得一提的是一种表征的，而是极其偶然的有无，或者说你并一定会学术研究这种偶然的有无，这时可以将其删去。例如，你要学术研究身高与心率的关系，但你的学术研究许多人之前恰好纳入了姚明，这种持续性下，可以将其删去，能用其他人进行量化。因为这却是值得一提的是一种表征的有无，而且你不太可能也一定会学术研究特殊的持续性。其次，如果持续性绝对值假定且值得一提的是了一种真实假定的有无，那就不会随便删去。比如调查了100个山村的胃癌发病率，不太可能毕竟有个别山村庄的发病率几倍几倍高于其它山村，这时就不会随便删去，而是要把这些持续性点纳入，继续二阶框架，学术研究其渐进。例：某学术研究之前心检测了细菌培养芽孢数量与星期的关系，试用进行量化。很显着，右图之前的两个口部是持续性点，可以让标量重回的系数发生剧烈波动。那这种持续性下应该必需删去这两个绝对值呢？首先看一下这两个绝对值应该实验误差，如果这两个绝对值是准确的，那它很不太可能值得一提的是了一种真实持续性。理论上，年内上涨缓慢，但是到了一个极其重要星期点后（如30），种群数量就会激增。此时如果你直接删去这两个点，就无法无论如何发现这种渐进。所以我们可以纳入这两个点，但是不会二阶标量重回，而是要根据其圆锥形二阶非标量框架。如此处可以考虑对星期time进行仅指数正弦，可以发现正弦后框架更能发挥作用二阶信息。