很少po文, 不过这串讨论蛮有趣的, 所以想和大家分享一下自己的想法. 我上统计课的时候, 倒是有听老师说过有人会去掉头尾一些比较extreme的observations, 他也没说这样到底是好还是不好, 也没说一定是几% (感觉上是没有很赞同). 一般上这麽做, 主要是要看这些extreme observations的impact, 而不是让数据更好看. 所以说到底还是用所有的data比较理想. (但是专业领域不同, 也许因为人为误差 (或其它原因), 去掉一些比较极端的数值也许是standard practice.) Extreme observations可以是outliers, 但不一定是influential points, 我忘了正确的名词, 不过主要的差别是, 如果你想要划一条regression line (e.g., Y=a + bX), 这些比较extreme的observations还是可以在这条line上下不远的地方. 我应该说, 如果你去掉这些extreme values, 你划出来的线和你没去掉划出来的线是差不多的, 这些extreme observations可以被称做outliers (因为和大家不一样), 但不是influential points. Influential points指的是, 上述两条线会差很多. (当然, 如果是算平均的话, 这些extreme values就很让人头痛了). 前面一位版友的学长说只拿最好的20个数据, 但如果是去掉最好最坏的5%, 不是应该也拿到掉好的 (而不只是最坏的)? ※ 引述《[email protected] (北纬43度的夏天)》之铭言： : 资工领域我不懂 : 在做biology实验的时候 : 不是本来就可以拿掉一些偏差得很离谱的outliner吗？ : 只要在paper 上把你的方法注明清楚 : 这根本不算造假 : 比较需要关心的问题是，当你拿掉的outliner太多时 : 会不会让你的sample size小到没有统计意义？ : 回到炒冷饭的ELISA : 这是一个非常灵敏的实验，特别是如果你用的是kit.. : 我会建议原作反覆多run 几次 : 如果你的control 仍然还跑出一些偏差太多的值 : 基本上那表示，是你操作上的问题 : （一般来检验methodology的方式就是看control..） : 另外，就统计学来说 : 没有什麽拿掉最好跟最坏5%的说法 : ※ 引述《jumpings (风中游子...)》之铭言： : : 终於有资格可以po文了..... 所以来炒一下冷饭.... ^^|| : : 我是念资工的...所以不知道你的ELISA是什麽东西... : : 但是我硕班的时候後来接受一个去德国拿PhD回来的学长指导... : : 说我之前把程式跑30次... 然後取最好的20次去算平均... : : 简直就是恶搞!!!!!! : : 他说就统计学上... 只允许你拿掉最好跟最坏的5%.... (百分比不知道有没有记错) : : 然後当然还要在paper里面附加说明.... : : 所以之後跑程式数据时..... 便全部都拿来算平均和p-value了..... : : 而论文呈现的也是最原始完完全全都没有动过手脚的资料..... : : 基本上我是劝大家... 只有念硕班也就算了...... : : 念博班的各位.... 学术声誉对大家有一辈子的影响..... : : 实验数据一定一点点手脚都不能动........ : : 要是万一真的有那麽一天...... : : 成为一位"大师"的话... 要是被人家翻出你当年的数据有一点点的造假.... : : 那........... 後果各位应该相当相当的了解......... : : 与各位共勉之............ ^^ --

※ 发信站: 批踢踢参(ptt3.cc) ◆ From: 24.60.246.75