数据中的异常值，应该反之亦然删除吗？

不少人曾问我：我的统计数据里面有间歇性差值，回事应该删去？要看看这个解决办法，我们必须从间歇性差值的方法论来回忆说。或许有的人觉得间歇性差值较好了解，不就是“间歇性”的差值吗？关键是，怎样才算间歇性呢？唯：在10个统计数据里面（图唯蓝色点）人为转至红、紫色、蓝色的3个点，它们都是间歇性差值吗？间歇性差值其实是一个较为宽泛的方法论，它至少涵盖了三种只能：(1) 离群差值（outliner）离群差值是仅指从因变量y的取向来看属于间歇性的差值，如图里面的蓝色点和紫色色点，相反y的均差值较其它点更几倍。离群差值多半采用学生化残差来似乎。(2) 高柱塞差值（high leverage）高柱塞差值是仅指从自变量x的取向来看属于间歇性的差值，如图里面的蓝色点和紫色色点，在x轴上相反x的均差值较几倍。高柱塞差值多半采用柱塞差值来似乎。(3) 极强严重影响差值（influential observation）极强严重影响差值是仅指对框架严重影响很小的差值，也就是说，如果删去了该差值，会加剧框架遭遇很小推移（如乘积差值扭转很小）。极强严重影响点多半采用COOK'D差值、DFBETAS和DFFITS来似乎。图唯比较了相同间歇性差值对框架匹配缺点的严重影响。图里面蓝色实终点站暗示不含这3个间歇性差值的匹配终点站，紫色色、蓝色、蓝色虚终点站分别暗示含紫色色点、蓝色点、蓝色点时的匹配终点站。不难看出，含紫色色点时，对框架匹配严重影响完全很小（与蓝色实终点站完全重合）；含蓝色点时，匹配终点站被向下拉低，即转回乘积几倍最低蓝色实终点站；含蓝色点时，匹配终点站也被拉低。如果要似乎的话，紫色色点虽然从x方向和y方向上都相反均差值，但却不是极强严重影响点；蓝色点和蓝色点才是极强严重影响点，因为除此以外的任一点便可以加剧乘积遭遇很小推移。我们以前已经明白了如何似乎一个点回事间歇性点，紧接着的解决办法就是，如果我发现了间歇性点，应该怎么三处理？不少人习惯简单粗暴的方法，即反之亦然删去。这十分是比较好的办法，有时甚至会让你擦身而过一些真正的有规律。当你发现间歇性差值后，一定要先分清是什么可能加剧的间歇性差值，然后再顾虑如何三处理。如果是属于录入严重错误或实验室记录严重错误等，这很容易，立刻变更即可。如果不是录入严重错误，而是似乎存在这样的间歇性差值，这时须要根据相同只能来分别对待。首先，如果这一间歇性差值十分都有一种有规律的，而是极其偶然的成因，或者说你并想要研究者这种偶然的成因，这时可以将其删去。唯如，你要研究者体格与血压的的关系，但你的研究者人群里面从前归入了迈克尔·乔丹，这种只能，可以将其删去，只用其他人进行分析。因为这十分都有一种有规律的成因，而且你或许也想要研究者特殊的情况。其次，如果间歇性差值存在且都有了一种相符存在的成因，那就不能随便删去。比如调查了100个村的胃癌发病率，或许似乎有个别村庄的发病率几倍几倍优于其它村，这时就不能随便删去，而是要把这些间歇性点归入，重新匹配框架，研究者其有规律。唯：某实验室检测了细菌培养肠道总数与时长的的关系，试进行分析。很明显，图唯里面的两个红点是间歇性点，可以让终点站性转回的乘积遭遇剧烈推移。那这种只能否须要删去这两个差值呢？首先看一下这两个差值否实验误差，如果这两个差值是吻合的，那它很或许都有了一种相符情况。也就是说，而政府快速增长缓慢，但是到了一个关键时长点后（如30），生境总数就会剧增。此时如果你反之亦然删去这两个点，就无法真正发现这种有规律。所以我们可以归入这两个点，但是不能匹配终点站性转回，而是要根据其形状匹配非终点站性框架。如此三处可以顾虑对时长time进行仅指数离散，可以发现离散后框架更能有效地匹配统计数据。