异常值

案例数据

包含身高、体重、收入和评分变量，并故意保留少量极端值用于演示异常识别和处理。

下载案例数据 查看数据文件

文件名	dataprocess_outlier.xlsx
数据用途	异常值处理案例数据
变量说明	height_cm、weight_kg、income_monthly 和 score 为待检查变量，group 可用于分组观察。

完整案例

1. 背景

建模前发现某些变量存在明显超出业务范围或统计范围的数值，需要判断是否设为空值或填补。

2. 理论与公式

异常值处理需要先识别极端值，再决定保留、设为空值、填补或缩尾，目标是降低错误或极端观测对结论的扭曲。

3. 数据结构

height_cm、weight_kg、income_monthly 和 score 为待检查变量，group 可用于分组观察。

4. 操作步骤与截图

1. 上传案例数据
2. 先用描述探索或箱线图定位异常范围
3. 进入异常值处理
4. 设置小于、大于或标准差规则
5. 选择设为空值、均值填补或中位数填补

5. 结果表格与核验

变量	处理前最大值	规则	处理方式	处理后最大值
height_cm	226	>210	设为空值	188
income_monthly	180000	大于3个标准差	中位数填补	32000
score	-2	<0	设为空值	98

处理前后应保留口径说明，避免结果不可追溯。

重点比较处理前后的最小值、最大值、均值和样本量，确认异常处理没有误伤正常样本。

6. 辅助截图

7. 文字分析

异常值处理后，极端数值对均值、相关和回归系数的扭曲会降低，结果解释更稳健。

8. 剖析提醒

异常值不一定都是错误数据。处理前应结合业务含义、录入规则和原始记录判断。