یکی از پیش فرض های تحلیل رگرسیون عدم وجود نقاط پرت است. بر این اساس در اغلب موارد، آنالیزور به حذف این داده ها که با رسم اسکاترگرام یا محاسبه آماره های خاص مشخص می شوند اقدام می نماید. حذف نقاط پرت در سایر آنالیزهای آماری نیز با هدف نرمال کردن توزیع داده ها یا حصول نتایج مطلوب دیده شده است. اما اگر داده های پرت داده های واقعی بوده و در اثر اشتباه تایپی به وجود نیامده باشند، حذف آن ها کار منطقی نخواهد بود. از طرفی گاه محقق به انجام آزمون ناپارامتری مایل نیست بویژه در مقایسات چندگانه که آزمون مقایسه میانگین ها به همراه آزمون کروسکال-والیس انجام نمی شود.

لذا به عنوان یک قاعده اگر حذف نقاط پرت که داده­ های واقعی اندازه­ گیری شده هستند و در درست بودن آن­ها اطمینان وجود دارد باعث تغییر اساسی در نتایج شود، بهتر است از حذف آن­ها خودداری شود و در عوض با انجام تبدیل تلاش شود تا به عنوان مثال توزیع داده ها و یا مقادیر خطا اگر به عنوان یک پیش فرض مطرح هستند نرمال شود. اما اگر حذف داده پرت تغییر عمده در نتایج نداده و در عوض به برقراری پیش ­فرض آزمون پارامتری کمک کند، حذف آن اشکالی ندارد.