Outlier คืออะไร? มีผลต่อการวิเคราะห์ข้อมูลอย่างไร และจำเป็นต้องลบหรือไม่

ในการวิเคราะห์ข้อมูล ผู้วิจัยอาจพบว่าข้อมูลบางค่ามีความแตกต่างจากข้อมูลส่วนใหญ่อย่างเห็นได้ชัด เช่น ผู้ตอบแบบสอบถามส่วนใหญ่มีคะแนนความพึงพอใจอยู่ระหว่าง 3–5 คะแนน แต่กลับพบค่าที่ผิดไปจากช่วงที่ควรจะเป็น หรือในการศึกษารายได้ ผู้ตอบส่วนใหญ่มีรายได้อยู่ในช่วงใกล้เคียงกัน แต่มีผู้ตอบบางรายที่มีรายได้สูงกว่าคนอื่นหลายเท่า

ข้อมูลที่มีลักษณะแตกต่างหรืออยู่ห่างจากข้อมูลส่วนใหญ่มาก เรียกว่า Outlier หรือค่าผิดปกติ ซึ่งเป็นหนึ่งในประเด็นที่ควรตรวจสอบก่อนเริ่มการวิเคราะห์ทางสถิติ

อย่างไรก็ตาม การพบ Outlier ไม่ได้หมายความว่าจะต้องลบข้อมูลนั้นออกทันที เพราะ Outlier บางค่าอาจเกิดจากความผิดพลาดในการคีย์ข้อมูล ขณะที่บางค่าอาจเป็นข้อมูลจริงที่สะท้อนลักษณะสำคัญของกลุ่มตัวอย่าง การตัดสินใจว่าจะเก็บ แก้ไข หรือตัดข้อมูลออกจึงควรพิจารณาที่มาของข้อมูลและผลกระทบต่อการวิเคราะห์อย่างรอบคอบ

Outlier คืออะไร?

Outlier คือ ค่าข้อมูลที่แตกต่างหรืออยู่ห่างจากข้อมูลส่วนใหญ่อย่างชัดเจน โดยอาจพบในตัวแปรเพียงตัวเดียว หรือเกิดจากความสัมพันธ์ของข้อมูลหลายตัวแปรร่วมกัน

ตัวอย่างง่าย ๆ หากข้อมูลอายุของผู้ตอบแบบสอบถามคือ

25, 27, 29, 30, 31, 32, 98

ค่า 98 อาจดูแตกต่างจากข้อมูลส่วนใหญ่มาก แต่ยังไม่สามารถสรุปได้ทันทีว่าเป็นข้อมูลผิด หากกลุ่มตัวอย่างของงานวิจัยสามารถมีผู้ตอบอายุ 98 ปีได้ ค่านี้อาจเป็นข้อมูลจริง

ในทางกลับกัน หากงานวิจัยกำหนดกลุ่มตัวอย่างเป็นนักศึกษามหาวิทยาลัยอายุ 18–25 ปี ค่า 98 ย่อมเป็นสัญญาณว่าควรกลับไปตรวจสอบข้อมูลต้นฉบับ เพราะอาจเกิดจากการคีย์ข้อมูลผิดหรือ Coding ผิด

นี่เป็นเหตุผลสำคัญที่ การตรวจสอบข้อมูลก่อนนำไปวิเคราะห์ ไม่ควรพิจารณาเฉพาะว่าค่าใด “สูงหรือต่ำผิดปกติ” แต่ควรตรวจสอบด้วยว่าค่านั้นมีความเป็นไปได้ภายใต้บริบทของงานวิจัยหรือไม่

Outlier เกิดจากอะไรได้บ้าง?

Outlier สามารถเกิดขึ้นได้จากหลายสาเหตุ และสาเหตุที่แตกต่างกันย่อมนำไปสู่วิธีจัดการที่แตกต่างกันด้วย

สาเหตุหนึ่งที่พบได้บ่อยคือ ความผิดพลาดในการคีย์หรือบันทึกข้อมูล เช่น อายุจริง 25 ปี แต่ถูกคีย์เป็น 255 หรือคะแนนที่ควรอยู่ระหว่าง 1–5 แต่กลับพบค่า 55 ใน Dataset

อีกกรณีหนึ่งคือความผิดพลาดจากการ Coding เช่น ใช้ 99 แทนคำว่า “ไม่ตอบ” แต่ไม่ได้กำหนด 99 เป็น Missing Value ในโปรแกรม ทำให้ค่าดังกล่าวถูกนำไปรวมในการคำนวณเสมือนเป็นข้อมูลจริง

อย่างไรก็ตาม Outlier ไม่ได้เกิดจากความผิดพลาดเสมอไป บางครั้งข้อมูลที่แตกต่างจากกลุ่มอื่นมากอาจเป็น ค่าจริงของกลุ่มตัวอย่าง เช่น รายได้ที่สูงมาก ระยะเวลาการรักษาที่ยาวกว่าผู้ป่วยรายอื่น หรือยอดซื้อของลูกค้าบางรายที่สูงกว่าค่าเฉลี่ยอย่างมาก

ดังนั้น ขั้นตอนแรกเมื่อพบ Outlier จึงไม่ควรเป็นการลบ แต่ควรเป็นการถามว่า “ทำไมค่านี้จึงแตกต่างจากข้อมูลอื่น?”

Outlier มีผลต่อการวิเคราะห์ข้อมูลอย่างไร?

Outlier สามารถส่งผลต่อค่าสถิติหลายประเภท โดยเฉพาะสถิติที่มีความไวต่อค่าที่สูงหรือต่ำมาก

ตัวอย่างที่เข้าใจง่ายที่สุดคือ ค่าเฉลี่ย (Mean)

สมมติว่ารายได้ต่อเดือนของคน 5 คนคือ

30,000 / 32,000 / 35,000 / 38,000 / 200,000 บาท

รายได้ 200,000 บาทจะดึงค่าเฉลี่ยของกลุ่มขึ้นอย่างชัดเจน แม้ว่ารายได้ของคนส่วนใหญ่จะอยู่เพียงประมาณ 30,000–38,000 บาท

ในสถานการณ์เช่นนี้ Median อาจสะท้อนค่ากลางของข้อมูลได้ต่างจาก Mean อย่างมาก

Outlier ยังสามารถส่งผลต่อ Standard Deviation, Correlation และ Regression รวมถึงการวิเคราะห์ทางสถิติอื่น ๆ โดยอาจทำให้ค่าประมาณ ความสัมพันธ์ หรือเส้น Regression เปลี่ยนไปจากรูปแบบของข้อมูลส่วนใหญ่

อย่างไรก็ตาม ผลกระทบจะมากหรือน้อยขึ้นอยู่กับตำแหน่งของ Outlier ขนาดตัวอย่าง จำนวน Outlier และวิธีการวิเคราะห์ที่ใช้ จึงไม่ควรสรุปว่าการมี Outlier ทุกครั้งจะทำให้ผลการวิเคราะห์ใช้ไม่ได้

จะรู้ได้อย่างไรว่าข้อมูลมี Outlier?

การตรวจสอบ Outlier สามารถทำได้หลายวิธี และไม่ควรพิจารณาจากวิธีใดวิธีหนึ่งเพียงอย่างเดียว

วิธีเบื้องต้นคือการดูการกระจายของข้อมูลผ่าน Boxplot, Histogram หรือ Scatterplot ซึ่งช่วยให้เห็นค่าที่แตกต่างจากข้อมูลส่วนใหญ่ได้ง่ายขึ้น

สำหรับข้อมูลเชิงปริมาณ อาจพิจารณาค่ามาตรฐาน เช่น Z-score เพื่อช่วยระบุข้อมูลที่อยู่ห่างจากค่าเฉลี่ยมากกว่าปกติ หรือใช้แนวทางจาก Interquartile Range (IQR) ซึ่งพิจารณาข้อมูลจาก Quartile ที่ 1 และ Quartile ที่ 3

ตัวอย่างแนวทางที่ใช้กันทั่วไปสำหรับ IQR คือ

IQR = Q3 − Q1

จากนั้นพิจารณาค่าที่ต่ำกว่า

Q1 − 1.5(IQR)

หรือสูงกว่า

Q3 + 1.5(IQR)

ว่าเป็นค่าที่ควรนำมาตรวจสอบเพิ่มเติม

สิ่งสำคัญคือเกณฑ์เหล่านี้เป็น เครื่องมือสำหรับช่วยระบุค่าที่ควรตรวจสอบ ไม่ใช่คำสั่งว่าข้อมูลที่อยู่นอกเกณฑ์จะต้องถูกลบออกทั้งหมด

Outlier ต้องลบก่อนวิเคราะห์ข้อมูลหรือไม่?

ไม่จำเป็น และไม่ควรลบ Outlier โดยอัตโนมัติ นี่เป็นประเด็นสำคัญที่สุดของเรื่อง Outlier

หากตรวจสอบแล้วพบว่าค่าผิดปกติเกิดจากความผิดพลาดในการคีย์ข้อมูล เช่น 25 ถูกบันทึกเป็น 255 สิ่งที่เหมาะสมคือกลับไปตรวจสอบข้อมูลต้นฉบับและแก้ไขให้ถูกต้อง ไม่ใช่เพียงลบ Case นั้นออก

หาก Outlier เป็นข้อมูลจริง การตัดออกควรมีเหตุผลทางวิชาการหรือเหตุผลที่สอดคล้องกับเกณฑ์ของงานวิจัย ไม่ควรลบเพียงเพราะการตัดข้อมูลนั้นทำให้ผลการทดสอบทางสถิติดีขึ้นหรือทำให้ P-value เปลี่ยนเป็นระดับที่ต้องการ

ในบางกรณี ผู้วิจัยอาจพิจารณาผลการวิเคราะห์ทั้ง ก่อนและหลังการจัดการ Outlier เพื่อดูว่าค่าดังกล่าวมีอิทธิพลต่อข้อสรุปมากน้อยเพียงใด วิธีนี้ช่วยให้เห็นว่าผลลัพธ์มีความไวต่อข้อมูลบาง Case หรือไม่

ดังนั้นคำถามที่เหมาะสมกว่า “Outlier ต้องลบไหม?” คือ Outlier นี้เกิดจากอะไร และหากเก็บหรือตัดออกจะมีผลต่อผลการวิเคราะห์อย่างไร?

อย่าสับสนระหว่าง Outlier กับข้อมูลผิด

Outlier และ Data Error ไม่ใช่สิ่งเดียวกัน

ข้อมูลที่ผิด เช่น คะแนนแบบสอบถามกำหนดไว้ 1–5 แต่พบค่า 8 ถือเป็นข้อมูลที่อยู่นอกช่วงที่กำหนดและควรตรวจสอบต้นฉบับ

แต่หากตัวแปรรายได้ไม่มีการกำหนดค่าสูงสุด และมีผู้ตอบรายหนึ่งรายงานรายได้สูงกว่าคนอื่นมาก ค่านั้นอาจเป็น Outlier แต่ไม่ได้หมายความว่าเป็นข้อมูลผิด

ความแตกต่างนี้มีความสำคัญ เพราะหากผู้วิจัยมอง Outlier ทุกค่าเป็น Error แล้วลบทิ้งทั้งหมด อาจทำให้ข้อมูลสูญเสียลักษณะที่เกิดขึ้นจริงในประชากรที่กำลังศึกษา

สำหรับ Dataset ที่มีข้อมูลจำนวนมาก การ ตรวจสอบความถูกต้องของข้อมูล ค่าที่อยู่นอกช่วง และค่าที่มีลักษณะผิดปกติ ก่อนเริ่มวิเคราะห์จึงช่วยแยกได้ว่าปัญหาใดควรแก้ไข และข้อมูลใดควรเก็บไว้เพื่อพิจารณาในการวิเคราะห์ต่อ

Outlier ใน SPSS ตรวจสอบอย่างไร?

SPSS มีหลายวิธีที่ช่วยในการสำรวจ Outlier เบื้องต้น เช่น Frequencies, Descriptives, Explore, Boxplot และการคำนวณ Standardised Values หรือ Z-scores

สำหรับการวิเคราะห์ Regression ยังมีค่าที่ช่วยประเมินว่า Observation บาง Case มีอิทธิพลต่อโมเดลมากผิดปกติหรือไม่ เช่น Standardised Residuals, Cook's Distance และ Leverage

แต่การเห็น Case ที่ถูกทำเครื่องหมายใน Boxplot หรือพบค่า Z-score สูงไม่ได้หมายความว่าควรลบ Case นั้นทันที ขั้นตอนต่อไปยังคงเป็นการตรวจสอบข้อมูลและพิจารณาความเหมาะสมตามบริบทของงานวิจัยและสถิติที่กำลังใช้

นี่เป็นเหตุผลว่าทำไม การวิเคราะห์ข้อมูลทางสถิติด้วย SPSS ไม่ควรเริ่มจากการกดเลือก Statistical Test เพียงอย่างเดียว แต่ควรรวมถึงการตรวจสอบ Dataset และ Assumptions ที่เกี่ยวข้องก่อนการทดสอบสมมติฐานด้วย

การจัดการ Outlier มีวิธีไหนบ้าง?

ไม่มีวิธีเดียวที่เหมาะกับ Outlier ทุกกรณี วิธีจัดการอาจแตกต่างกันตามสาเหตุและลักษณะของข้อมูล

หากเป็น Data Entry Error ควรตรวจสอบและแก้ไขจากข้อมูลต้นฉบับ หากเป็นค่าที่เกิดจากการกำหนด Missing Value ผิด ควรแก้ Coding ให้ถูกต้อง

หากเป็นข้อมูลจริงที่มีค่ามากหรือน้อยกว่ากลุ่มอย่างมาก อาจพิจารณาว่าวิธีการวิเคราะห์ที่เลือกมีความไวต่อ Outlier เพียงใด รวมถึงอาจใช้การแปลงข้อมูล (Data Transformation) หรือเลือกวิธีทางสถิติที่เหมาะกับลักษณะการกระจายของข้อมูลในกรณีที่มีเหตุผลรองรับ

ในบางงาน การตัด Outlier อาจเหมาะสม แต่ควรมี เกณฑ์ที่กำหนดอย่างชัดเจนและสามารถอธิบายได้ ไม่ใช่เลือกตัดข้อมูลหลังจากเห็นผลลัพธ์แล้ว

ตรวจสอบ Outlier ก่อนเริ่มทดสอบสมมติฐาน

Outlier เป็นเพียงหนึ่งในหลายประเด็นที่ควรตรวจสอบก่อนเริ่มวิเคราะห์ข้อมูลจริง นอกจากค่าผิดปกติแล้ว Dataset อาจมี Missing Data, Coding Error, ค่าที่อยู่นอกช่วง หรือปัญหาเกี่ยวกับการกระจายของข้อมูล

การตรวจสอบข้อมูลเหล่านี้ตั้งแต่ต้นช่วยลดความเสี่ยงที่ข้อผิดพลาดเล็ก ๆ ใน Dataset จะส่งผลต่อผลการวิเคราะห์ในขั้นตอนต่อมา

สำหรับงานวิจัยที่ต้องการตั้งแต่การตรวจสอบข้อมูล การเลือกสถิติ การทดสอบสมมติฐาน ไปจนถึงการแปลผล บริการวิเคราะห์ข้อมูลทางสถิติด้วย SPSS ของ Data Investigator สามารถช่วยวางกระบวนการวิเคราะห์ให้เหมาะกับวัตถุประสงค์ ตัวแปร และลักษณะข้อมูลของแต่ละงานวิจัย โดยพิจารณาปัญหาอย่าง Outlier เป็นส่วนหนึ่งของการตรวจสอบข้อมูล ไม่ใช่เพียงตัดข้อมูลที่ดูแตกต่างออกโดยอัตโนมัติ

สรุป

Outlier คือค่าข้อมูลที่แตกต่างจากข้อมูลส่วนใหญ่อย่างชัดเจน และสามารถส่งผลต่อค่าเฉลี่ย ความแปรปรวน Correlation, Regression และผลการวิเคราะห์ทางสถิติอื่น ๆ ได้

แต่ Outlier ไม่ได้หมายถึงข้อมูลผิด และการพบ Outlier ก็ไม่ได้หมายความว่าจะต้องลบออกก่อนวิเคราะห์เสมอไป

สิ่งสำคัญคือการตรวจสอบว่า Outlier เกิดจากความผิดพลาดในการบันทึกข้อมูลหรือเป็นค่าจริง ประเมินว่ามีอิทธิพลต่อผลการวิเคราะห์มากน้อยเพียงใด และเลือกวิธีจัดการที่เหมาะสมกับงานวิจัย

เป้าหมายของการตรวจสอบ Outlier จึงไม่ใช่การทำให้ Dataset “สวย” หรือทำให้ผลการทดสอบเป็นไปตามที่คาดหวัง แต่คือการทำให้การวิเคราะห์สะท้อนข้อมูลที่ถูกต้องและสามารถอธิบายวิธีการจัดการได้อย่างเหมาะสม สอบถามข้อมูลเพิ่มเติมกรุณาติดต่อ:

อีเมล์: info@datainvestigatorth.com

ไลน์: @datainvestigator    โทร: 063-969-7944