منظور از نمونه ی پرت چند متغیره نمونه ای است که با در نظر گرفتن چند متغیر به صورت همزمان،فاصله ی بسیار از نمونه ها دارد.

جهت شناسایی نمونه های پرت چند متغیره ،نرم افزا Amos از آزمون Mahalanobis d-square را  اجرا می کند .

در حذف نمونه های پرت چند متغیره محتاط باشید.چرا که اگر تمام آنها را هم حذف کنید و تحلیل را دوباره اجرا کنید به احتمال زیاد مجدداً با لیستی از نمونه های پرت جدید روبرو خواهید شد.بنابراین چشم بسته کیس هایی که نرم افزار بر اساس تحلیل های آماری به عنوان نمونه ی پرت به شما معرفی می کند را حذف نکنید و هر نمونه را به دقت بررسی کرده و بعد از اطمینان از اینکه نمونه ی مورد نظر رفتار پروفایل بسیار متفاوتی از سایر نمونه ها دارد اقدام به حذف آن نمایید.

جهت استفاده از تمامی روشهای آماری در پژوهش ها و تحقیقات خود تماس بگیرید:

عیوضی : ۰۹۳۵۱۳۲۳۹۵۰