一组平行测定报出四个数据，其中三个聚在一起，一个明显飘远。删掉它，平均值立刻好看；留着它，相对偏差超限整批重做。很多实验室的真实做法是看一眼就删，原始记录上却找不到任何理由。检测数据的异常值取舍之所以敏感，是因为它直接改变报告结果，删与不删都必须有依据、可复核。

异常值处理要分清两件事：结果超标是 OOS 层面的调查问题，随时间漂移是 OOT 层面的趋势问题，而同一组重复测定数据内部的离群值，才是本文讨论的取舍问题。三者混在一起，是数据处理混乱的常见根源。

第一步 先查因，再谈统计

统计检验只是查因无果后的辅助手段，顺序不能颠倒。拿到可疑数据，先按三类来源排查。

凡能定位到具体失误或故障的，直接按原因处理并在记录中写明，不进入统计取舍。只有在过程复核确认无失误、无异常的前提下，才允许用统计方法判断离群值，这一顺序在 GB/T 4883 的思路上是一致的：先有对过程的核查，再谈统计判断。

第二步 统计检验：两种常用方法怎么选

小样本平行测定中最常用的是 Q 检验法与格拉布斯法，两者思路相近，适用场景有别。

无论采用哪种方法，都要事先在作业文件中固定三件事：检验方法与置信水平（常取 0.90 或 0.95）、临界值查表来源、一次只检验一个可疑值的规则。算得的统计量大于临界值方可考虑剔除，小于临界值必须保留。剔除后用剩余数据重新计算平均值与标准差，再对新的可疑值重复检验，逐个进行，不允许一把圈掉多个。

第三步 取舍决策的四步流程

核实

回看原始记录：称量、定容、仪器参数、环境条件是否正常，转录是否有误。很多可疑值在核实阶段就被证明是抄写问题，无需动用统计。

查因

与操作人员确认过程细节，必要时核查同批质控样、仪器状态记录与前后批次数据。查因结论写入记录，不能只写一句数据异常。

检验

查因无果且数据近似正态时，按文件规定的方法计算统计量并查临界值表，保留计算过程。检验结果无论剔除与否都要留痕。

决定

统计显著的离群值可剔除并重新计算；不显著的一律保留，平行测定超差的按方法规定处理，例如加测一次或整批重做，而不是反复检验直到删掉为止。

剔除不是终点：记录与复核

被剔除的数据不能从记录上消失。完整的异常值处置记录应包含：原始数据与可疑值标注、查因过程与结论、检验方法与统计量、临界值与置信水平、取舍结论、复核人签字。数据审核人复核时重点看的正是这条链：删有删的理由，留有留的说法。若剔除发生在电子记录系统中，系统应保留原始数据与操作痕迹，便于事后追溯谁在何时基于什么依据做的取舍。

常见问题

三个数据删掉一个后另外两个还超差怎么办？

这说明问题大概率不在单个数据，而在方法状态或样品本身，应停止继续取舍，转入原因调查，必要时整批重做，并把调查过程记录在案。

检验方法能自己临时选吗？

不建议。用哪种方法、取什么置信水平，应在作业文件中事先规定，临时挑选容易带来偏向性，检查时也难以解释一致性。

非正态数据能用格拉布斯法吗？

格拉布斯法要求数据近似正态。明显偏态或计数型数据应改用适合的检验方法或在文件中另行规定，不能套用。

异常值取舍和 OOS 调查冲突吗？

不冲突。OOS 针对结果超出标准限度的调查处置；异常值取舍针对组内数据离散度的统计判断。若离群值剔除后仍涉超标结论，应按 OOS 程序另行调查。

剔除比例有上限吗？

合理做法是限定单组测定中可剔除的数量上限并在文件中写明，剔除比例异常高的批次本身就说明过程不稳定，应调查原因而不是继续删数据。

让每一个被删掉的数据都留下可追溯的理由，检测数据才经得起复核与检查。球客岛官网(中国)智研云的数据管理与审计能力支持原始数据留痕、修改可追溯，帮助实验室把异常值处理从口头判断变成有据可查的规范动作。