若您怀疑您的数据包含离群值，可以在启动窗口中选择“稳健”选项来降低连续响应检验对离群值的敏感度。若选中该选项，在拟合回归和方差分析模型中会使用 Huber M 估计值 (Huber and Ronchetti, 2009)。当没有离群值时，Huber M 估计值很接近最小二乘估计值，但是有离群值时使离群值的权重降低。
当您在启动窗口中选择“稳健”选项时，以下列会添加到“PValues”数据表。仅当 Y 为连续变量时“稳健”选项才可用。因此，当 Y 为分类变量时“稳健”列单元格为空。有关 Huber M 估计的详细信息，请参见《基本分析》中的稳健拟合。相关示例，请参见稳健拟合的示例。
稳健 p 值
对应于使用稳健的每对 Y 和 X 变量的显著性检验的 p 值。
稳健 LogWorth
数量 -log10(稳健 p 值)。
稳健 FDR p 值
使用 Benjamini-Hochberg 方法为稳健 p 值计算的假发现率。若没有“分组”变量，则多重检验调整应用于表中显示的所有检验。若有“分组”变量，则多重检验调整应用于为“分组”变量的每个水平执行的所有检验。
稳健 FDR LogWorth
数量 -log10(稳健 FDR p 值)。
稳健秩分数
表示为检验数的分数形式的稳健 FDR LogWorth 的秩。
稳健卡方
与稳健检验关联的卡方值。
稳健 Sigma
误差标准差的稳健估计值。
稳健离群值部分
与稳健均值的距离超过稳健 Sigma 三倍的那部分值。
稳健 Cpu 时间
创建稳健报表所需的时间（秒）。