Spss中如何识别异常值

异常值是与数据集中的其他值异常远离的观察值。异常值可能会产生问题，因为它们会影响分析结果。

本教程介绍如何在 SPSS 中识别和处理异常值。

SPSS中如何识别异常值

假设我们有以下数据集，显示 15 人的年收入（以千为单位）：

确定是否存在异常值的一种方法是为数据集创建箱线图。为此，请单击“分析”选项卡，然后单击“描述性统计” ，然后单击“浏览” ：

在出现的新窗口中，将可变收入拖动到标记为受抚养人列表的框中。然后单击“统计”并确保选中“百分位数”旁边的框。然后单击“继续” 。然后单击“确定” 。

单击“确定”后，将出现箱线图：

如果箱线图两端都没有圆圈或星号，则表明不存在异常值。

如果任何数据值超出以下范围，SPSS 就会将其视为异常值：

• 第三个四分位数 + 1.5*四分位数范围
• 第一个四分位数 – 1.5*四分位数范围

我们可以通过计算结果中标记为Tukey Hinges 的行中第 75 个百分位数和第 25 个百分位数之间的差值来计算四分位数范围：

对于该数据集，四分位数范围为 82 – 36 = 46 。因此，任何超出以下范围的值都将被视为异常值：

• 82 + 1.5*46 = 151
• 36 – 1.5*46 = -33

显然，收入不能为负，因此本例中的下限没有用。然而，任何高于 151 的收入都将被视为异常值。

例如，假设数据集中的最大值是 152。这是该数据集的箱线图：

圆圈表示数据中存在异常值。数字 15 表示数据集中的哪个观测值是异常值。

如果任何数据值超出以下范围，SPSS 还会将其视为极端异常值：

• 第三个四分位数 + 3*四分位数范围
• 第一个四分位数 – 3*四分位数范围

因此，在此示例中，超出以下范围的任何值都将被视为极端异常值：

• 82 + 3*46 = 220
• 36 – 3*46 = -102

例如，假设我们数据集中的最大值是 221。这是该数据集的箱线图：

星号 (*) 表示数据中存在极端异常值。数字 15 表示数据集中的哪个观测值是极端异常值。

如何处理异常值

如果您的数据中存在异常值，您有多种选择：

1. 确保异常值不是数据输入错误造成的。

有时，个人在保存数据时只是输入了错误的数据值。如果存在异常值，请首先验证输入的值是否正确并且没有错误。

2. 删除异常值。

如果该值确实是异常值，并且会对您的整体分析产生重大影响，则您可以选择将其删除。请务必在最终报告或分析中提及您删除了异常值。

3.为异常值指定一个新值。

如果异常值是数据输入错误的结果，您可以决定为其分配一个新值，例如数据集的平均值或中位数。

其他资源

如果您同时处理多个变量，您可能需要使用马氏距离来检测异常值。