Ausreißer: auffällige Werte prüfen, ohne Ergebnisse passend zu löschen

1. Auffälligkeit von einem nachgewiesenen Fehler unterscheiden

Ein ungewöhnlicher Wert kann durch einen Importfehler entstehen, aber auch eine tatsächliche Beobachtung sein. NIST unterscheidet das Markieren potenzieller Ausreißer, ihre Behandlung mit geeigneten Verfahren und formale Ausreißertests. Ein belegter Fehler kann korrigiert oder begründet aus der Analyse entfernt werden; ein ungewöhnlicher Wert sollte nicht bloß wegen seines Abstands gelöscht werden. Schreibe deshalb zuerst auf, weshalb der Fall auffällt und welche Prüfung seine Herkunft klären kann. Das gewünschte Testergebnis ist kein sachlicher Korrekturgrund.

Im eigenen fiktiven Beispiel enthält eine Liste von Bearbeitungszeiten den Wert 900 zwischen vielen deutlich kleineren Werten. Prüfe, ob alle Angaben dieselbe Einheit verwenden, ob eine Pause enthalten ist oder ob tatsächlich ein längerer Vorgang beobachtet wurde. Jede Erklärung ist zunächst nur eine Hypothese. Lies Protokoll und Rohdaten, bevor du den Wert umdeutest. Wenn du seine Herkunft nicht klären kannst, dokumentiere diese Unsicherheit. Ein plausibler Tippfehler ist noch kein nachgewiesener Tippfehler und erlaubt keine beliebige Ersatzangabe.

Weiterführend: NIST/SEMATECH: Detection of Outliers

2. Grafische Markierungen als Hinweise lesen

Ein Boxplot kann auffällige Werte sichtbar machen. Die offizielle R-Dokumentation zu boxplot.stats beschreibt Whisker-Grenzen anhand eines Faktors und weist auf die Berechnung der Hinges hin, die nicht für jede Stichprobengröße exakt mit gewöhnlichen Quartilen übereinstimmen. Verschiedene Softwaredefinitionen können daher Details verändern. Eine außerhalb der Whisker gezeichnete Beobachtung ist keine automatische Feststellung, dass die Daten falsch sind. Notiere verwendete Software und Einstellungen, wenn die Markierung später eine wichtige Rolle in deiner Entscheidung spielt.

Betrachte für dein eigenes Projekt zusätzlich die Verteilung, den Messbereich und die sachliche Bedeutung der Zielgröße. Ein isolierter Extremwert in einer unpassenden Einheit ist anders zu prüfen als das obere Ende einer tatsächlich schiefen Verteilung. Zeichne auffällige Fälle mit einer internen Kennung und führe den Prüfgrund in einer getrennten Tabelle. So kannst du den Fall wiederfinden, ohne personenbezogene Informationen in die Grafik zu schreiben. Eine hübsche Darstellung ersetzt weder die Herkunftskontrolle noch die Begründung des gewählten Analysemodells.

Weiterführend: R Core: Box Plot Statistics

3. Eine nachvollziehbare Entscheidung pro Fall festhalten

Arbeite auf einer Kopie und bewahre die Rohdatei unverändert. Lege einen eigenen Entscheidungsvermerk mit Kennung, ursprünglichem Wert, Prüfhinweis, geprüftem Material und Entscheidung an. Bei einer Korrektur muss nachvollziehbar sein, woher der neue Wert stammt. Bei einem Ausschluss braucht es die sachliche Regel und die betroffene Analyse. Bei einem gültigen Extremwert bleibt der Wert erhalten, auch wenn er eine bislang bequeme Interpretation erschwert. Das Protokoll schützt nicht durch seine Länge, sondern durch die überprüfbare Verbindung zwischen Beobachtung und Entscheidung.

Ein fiktiver Fall wäre eine Sekundenangabe, die beim Import irrtümlich als Minuten behandelt wurde. Wenn das Originalprotokoll die Einheit eindeutig bestätigt, kannst du die belegte Umrechnung dokumentieren. Anders liegt ein Fall, bei dem nur die Vermutung besteht, die Person habe eine Pause gemacht. Du darfst aus dieser Vermutung keinen neuen Messwert berechnen. Halte auch fest, wer eine Entscheidung geprüft hat, wenn Betreuung oder statistische Beratung beteiligt war. So bleibt später sichtbar, welcher Teil geklärt und welcher nur als mögliche Erklärung diskutiert wurde.

4. Ergebnisabhängige Löschungen vermeiden

Lege Regeln möglichst vor der Ergebnisbetrachtung fest und begründe spätere Änderungen besonders transparent. Entferne nicht nacheinander Werte, bis eine gewünschte Schwelle unterschritten wird. NIST weist zudem darauf hin, dass Ausreißertests Verteilungsannahmen haben und wiederholte Einzeltests für mehrere mögliche Ausreißer problematisch sein können. Ein formaler Test ist deshalb kein universeller Bereinigungsautomat. Kläre bei Unsicherheit, ob eine andere Modellierung, robuste Methode oder eine begründete Sensitivitätsprüfung zu deiner tatsächlichen Fragestellung passt.

Für eine eigene Sensitivitätsprüfung notierst du vorab, welche sachliche Annahme variiert und welche Aussage verglichen wird. Im fiktiven Zeitbeispiel könntest du einen dokumentiert problematischen Messfall mit einer transparenten Vergleichsrechnung untersuchen, sofern dieses Vorgehen fachlich angemessen ist. Berichte nicht nur, welcher Durchgang das bevorzugte Ergebnis liefert. Prüfe, wie sich Schätzung, Unsicherheit und inhaltliche Schlussfolgerung verändern. Eine solche Prüfung löst die ungeklärte Herkunft eines Werts nicht, zeigt aber, in welchem Umfang die Aussage an einer konkreten begründeten Entscheidung hängt.

5. Bereinigung und Aussagegrenzen offen berichten

Beschreibe, wie auffällige Werte erkannt und geprüft wurden, welche Korrekturen oder Ausschlüsse erfolgten und wie viele Fälle die jeweilige Analyse tatsächlich verwendet. Verknüpfe das mit deinem Auswertungscode oder Protokoll, soweit die Abgabevorgaben dies vorsehen. Ein Satz, die Daten seien bereinigt worden, erklärt noch keine Entscheidung. Achte darauf, dass unterschiedliche Tabellen nicht unbemerkt auf verschiedenen Fallmengen beruhen. Wenn ein gültiger Extremwert sachlich interessant ist, kann er auch eine Frage für die Diskussion sein statt ein Hindernis, das verschwinden muss.

Der Abschlusswerk-Statistikassistent kann dir helfen, Fragen zum methodischen Umgang zu ordnen. Er kann aus einer bloßen Zahl nicht zuverlässig entscheiden, ob deine reale Beobachtung falsch ist. Kontrolliere deshalb Rohmaterial, Analyseplan und Softwareausgabe selbst und gib keine identifizierenden Daten unnötig weiter. Der belastbare Endstand enthält nicht zwangsläufig weniger Extremwerte. Er enthält begründete Entscheidungen, nachvollziehbare Rechnungen und eine Schlussfolgerung, die ihre Abhängigkeit von ungeklärten oder bewusst variierten Annahmen offen benennt.