|
当我们辛辛苦苦，终于拿到研究数据，以为即将大功告成，可是数据预分析发现，出现为数不少的离群值，是咬牙忍痛舍去，还是强行挽留分析？这是一个非常现实的问题！ 离群值可能是异常值，还可能是极值。不能看到离群值就当做异常值，残忍杀之！ 极值是指测量值的随机波动的极端表现，它虽然与其他值相差甚远，但仍然处于统计学上所容许的合理的误差范围之内，与其余数据属于同一总体，是局内值。 离群值也可能是与其余数据不属于同一总体的局外值，也就是异常值。如果分析数据时混有局外值，必然会歪曲试验的结果。此时若能将异常值舍去，必然提高分析结果的正确性。但若将本来不是异常值的测量值当做异常值舍去，虽然得到的数据分散性较小，精度较高，而此时的结果实质上也是虚假的，并不是客观的反映。 对待离群值应该谨慎处理，有时离群值可能导致意外的发现，这在近代科学中有着很多的例子啦！。 离群值的处理方法 周密实验数据 如果实验是在周密的实验设计与指导下获得的实验数据，一般不应该随意舍去。 一旦发现，谨慎处置 一旦发现离群值，应该认真核查、溯源，确认数据确实错误而无法纠正，可以直接删除，如高校大学生调查，发现某个学生年龄130岁。明显不符合逻辑，核查数据没法找到该学生获取准确数据，则可以删除。 无因可查，怎么办？ 若离群值核查找不到原因，可以考虑将离群值做删除前后两次分析，若结果矛盾，则保留，若结果一致则删除。 如何判断离群值呢？ 离群值的判定方法，3S法，Grubbs和Dixson法，我们常用的是3S法。但3s一般只适用于正态分布，且样本量较大（n大于等于60），n小时，此法不适用。至少大于10，因为n小于10，无论可疑值多大，均不会超过3S。 软件识别法 常规软件都可以做，这里简单介绍SPSS异常值判定的方法。SPSS可以利用箱式图去发现异常值。随便找了组数据，分析身高是否有异常值。 步骤1：探索分析 步骤2：设置因变量与分组因子（若不设置因子，则分析的就是整体） 步骤3：统计按钮设置，勾选离群值。 步骤4：做箱式图。 步骤5:结果，给出5个极值，注意哦！SPSS里面此处的极值，其实就是步骤3里面的离群值。（这就是SPSS的Bug啦，熟悉的你会发现，SPSS汉化过程中，很多地方不一致的哦!） 步骤6：结果箱式图：注意SPSS里面把*标记的定义为异常值，O标记的表示为可疑值。 步骤7：根据图中发现的个案，回溯原始数据，结合上述的原则，进行异常值与极值的取舍。 松哥：离群值存在是个不可回避的事实，离群值包含极值（真正的试验效应结果）与异常值（试验误差导致）；极值留而异常值舍。但是如的和判断是极值还是异常值，除了统计识别的方法之外，还要依据自己的专业！统计永远是为专业服务的。前期我们推送过利用回归方法处理异常值，感兴趣的继续学习哦！（异常值的处理只有删除？）；OK，这期就掰到这里啦！ |
|
|
