مقایسه روش های شناسایی داده های پرت و تاثیر آنها در مطالعات اندازه گیری و ارزیابی مراتع

این تحقیق به مقایسه روش های شناسایی داده پرت تک متغیره در بین داده های درصد پوشش گیاهی در یک مطالعه ارزیابی تاثیر شدت چرا در مراتع مناطق خشک می پردازد. بدین منظور، پس از اندازه گیری درصد پوشش گیاهی در مرتع و قبل از تحلیل آماری، وجود یا عدم وجود داده پرت به عنوان پیش فرض آزمون های پارامتریک فرضیه مقایسه ای بررسی شد. در این تحقیق از هشت روش شامل نمودار جعبه ای (Boxplot) و دامنه میان چارکی (روش Tukey)، انحراف معیار از میانگین (قانون Three-sigma)، انحراف مطلق از میانه (روش Hampel)، میانگین پیراسته، مقادیر صدک 1 و 99، آزمون کای اسکویر (χ²)، آزمون گرابز (ESD) و آزمون روزنر (generalised ESD) استفاده شد. نتایج نشان داد که داده های درصد پوشش گیاهی مراتع با شدت چرای سبک و متوسط توزیع نرمال ندارند (آزمون شاپیرو-ویلک: 05/0 ≤p). حتی حذف داده پرت نیز منجر به نرمال شدن داده ها نشد، اما منجر به همگن شدن واریانس خطا شد (آزمون لیون: 05/0 ≥p). از هشت روش مورد استفاده، روش Z اصلاح شده و آزمون های گرابز و روزنر (05/0 ≥p)، هیچکدام از داده های درصد پوشش گیاهی را به عنوان داده پرت تشخیص ندادند. از بین روش های مورد مطالعه، نمودار جعبه ای و روش انحراف مطلق از میانه که به میانگین وابسته نیستند، برای داده های پوشش گیاهی مناسب ترند. از این رو قبل از انجام هرگونه آزمون فرضیه مقایسه ای، استفاده ترکیبی از دو روش چشمی و آماری برای بررسی وجود یا عدم وجود داده های پرت توصیه می شود.