Het antwoord is eigenlijk eenvoudig: er bestaan geen zinvolle cut-off waarden.
Sterker nog, het berusten op cut-off waarden is misleidend: het verhult de subjectieve aard van statistische analyses. Je neemt zo impliciet een besluit, zonder dat je de context van dat besluit in ogenschouw neemt, maar tegelijkertijd lijkt het besluit objectief en goed onderbouwd omdat getallen snel overkomen als betrouwbaar en 'hard'.
Je kunt dus prima in parallel twee of drie cut-off waarden hanteren: eentje die wat aan de liberale kant lijkt, eentje die wat aan de conservatieve kant lijkt, en misschien eentje er tussenin. Herhaal je analyses dan voor die verschillende cut-off waarden. Als je conclusies anders zijn afhankelijk van de waarde van je cut-off, dan weet je dat je dus niet goed conclusies kunt trekken. De conclusies kunnen dan ofwel verstoord worden door outliers (als je een te liberale cut-off kiest, en problematische data niet worden verwijderd), ofwel vertekend worden doordat relevante datapunten worden verwijderd (als je een te conservatieve cut-off kiest).
Als je conclusies met elke cut-off hetzelfde zijn, kun je dat in een voetnoot melden. Dan maakt het dus weinig uit welke van de cut-offs je kiest. Dit is de ideale situatie: je conclusies zijn dan robuust en niet conditioneel op slechts enkele datapunten.
Als je conclusies afhankelijk zijn van de cut-off die je kiest, dan heb je een probleem. Je hebt dan te weinig datapunten, of je data heeft te weinig integriteit, om goed te weten waar je aan toe bent. Je dataset kan dan niet goed uitsluitsel geven met betrekking tot je onderzoeksvragen/hypothesen, en dat moet je dan als zodanig rapporteren.