⚠️ Denna sida har inte faktagranskats ännu. Texten kan innehålla fel. Bli en hjälte!
En enda datapunkt kan avgöra om du hittar ett ”signifikant samband” eller inte. Det här är särskilt problematiskt i psykologisk forskning där stickprovsstorlekarna ofta är små.
Nedan finns fyra interaktiva demonstrationer som visar hur en outlier påverkar korrelationer (demo 1–2), centralmått (demo 3) och gruppjämförelser med t-test (demo 4). I demo 1–3: dra den färgade punkten och se hur statistiken förändras i realtid. I demo 4: använd reglagen för att ändra outlier-värde och stickprovsstorlek. För korrelationerna krävs |r| ≥ 0,50 för signifikans vid p < .05 (tvåsidigt, n = 16). i
Demo 1: En outlier skapar ett samband
De 15 blå punkterna har i princip ingen korrelation (r ≈ 0). Dra den röda outlier-punkten och se hur en enda avvikande observation kan göra korrelationen ”signifikant”.
Dra den röda punkten!
Demo 2: En outlier döljer ett samband
De 15 blå punkterna har en tydlig positiv korrelation (r ≈ 0,80). Dra den röda outlier-punkten bort från trenden och se hur sambandet försvinner.
Dra den röda punkten!
Demo 3: Medelvärde vs median
Alla 18 blå punkter har liknande värden. Dra den röda punkten åt sidan och se hur medelvärdet följer efter — medan medianen knappt rör sig.
Dra den röda punkten åt höger eller vänster!
Demo 4: En outlier flippar en gruppjämförelse
I en RCT jämförs behandlingsgruppen (KBT) med en kontrollgrupp. En enda patients extremvärde kan avgöra om studien visar signifikant behandlingseffekt. Använd reglagen för att utforska hur outlier-värde, stickprovsstorlek och gruppplacering påverkar resultatet.
Statistik i
| Mått | Med outlier | Utan outlier |
|---|---|---|
| M (behandling) | ||
| M (kontroll) | ||
| Cohen's d i | ||
| p-värde i | ||
| Signifikant? (α = .05) |
Bias-kurva: Cohen's d som funktion av outlier-värdet
Sammanfattning — varför outliers spelar roll
Pearsons r är känslig för extremvärden eftersom den bygger på medelvärden och standardavvikelser. En enda outlier kan:
- Skapa ett samband som inte finns i övriga data — och ge ett ”signifikant p-värde”
- Dölja ett verkligt samband genom att dra regressionslinjen åt fel håll
- Förändra styrkan och riktningen på en korrelation dramatiskt
- Påverka centralmåtten olika — medelvärdet dras mot extremvärdet medan medianen knappt rör sig
- Flippa en hel studies slutsats — i en gruppjämförelse kan en enda outlier avgöra signifikansen, särskilt vid litet n
I praktiken: Inspektera alltid dina data med spridningsdiagram innan du tolkar r. Överväg Spearmans rangkorrelation eller robusta metoder om du misstänker outliers. Rapportera resultaten med och utan potentiella extremvärden.
Läs mer: Bortfall, outliers & saknade data · Korrelationsanalys · Oberoende t-test
Att studera samband — korrelation · Konfidensintervall och t-test