對數(shù)據(jù)的處理是進(jìn)行數(shù)據(jù)分析的基礎(chǔ)，為保證分析結(jié)果的可靠性和正確性，對數(shù)據(jù)的處理需要考慮三點(diǎn)：

首先，數(shù)據(jù)錄入的準(zhǔn)確性以及異常值的處理；

其次，缺失值的處理；

最后，數(shù)據(jù)是否符合所使用的的分析方法的使用條件。

一、異常值

1.異常值的定義

異常值（outlier）有單變量異常值（univariate outlier）與多變量異常值（multivariate outlier）兩種。

2.異常值的來源

（1）過程型錯(cuò)誤。如錄入、編碼或者缺失值定義錯(cuò)誤。

（2）異常事件。此時(shí)視情況與研究目的進(jìn)行保留或刪除。

（3）異常觀測。研究者無法解釋的觀測值。

（4）各變量都正常，組合起來很異常，即多變量異常值。此情況視分析方法決定是否保留。

3.異常值的檢測

A.單變量異常值的檢測

（1）標(biāo)準(zhǔn)分檢測異常值

樣本量<=80，標(biāo)準(zhǔn)分>=2.5 & <=2.5視為異常值；

樣本量>80，可提高標(biāo)準(zhǔn)分的臨界值，最高為4。

spss操作：

分析>描述統(tǒng)計(jì)>描述>將標(biāo)準(zhǔn)化值另存為變量

（2）盒式圖

小于下四分位數(shù)減去1.5倍四分位距（Q1-1.5*IQR）或大于上四分位數(shù)加1.5倍四分位距（Q3+1.5*IQR）的即為異常值。

1.5-3倍四分位距之間的異常值為溫和異常值（mild outliers）；

3倍四分位距之外的異常值為極端異常值（extreme outliers）。

在非異常值區(qū)間內(nèi)，最值處畫橫線，即為箱線圖的觸須。

spss操作：

圖形>圖標(biāo)構(gòu)建器>選擇箱圖>雙擊第一個(gè)箱圖>將變量從左側(cè)拖動到縱軸

B.雙變量異常值的檢測

（1）雙變量異常值一般通過散點(diǎn)圖進(jìn)行檢測。

通過散點(diǎn)圖可以初步判斷兩變量之間是否存在相關(guān)關(guān)系、相關(guān)趨勢、是線性相關(guān)還是非線性相關(guān)以及是否存在異常值。

從下圖可初步判斷兩變量存在線性相關(guān)，并且存在異常值。要通過置信區(qū)間新型判斷，還需要借助其他軟件，后續(xù)會進(jìn)行介紹。

C.多變量異常值的檢測

（1）馬氏距離

多變量異常值可通過計(jì)算觀測點(diǎn)的馬氏距離（Mahalanobis D2）進(jìn)行檢測。

根據(jù)經(jīng)驗(yàn)，小樣本時(shí)把D2/df的臨界值設(shè)為2.5，大樣本時(shí)設(shè)為3或4，超過臨界值的觀測點(diǎn)識別為潛在異常值。

spss操作：

分析>回歸>線性>放入變量>保存>標(biāo)準(zhǔn)化>馬氏距離

馬氏距離的結(jié)果：

（2）標(biāo)識異常個(gè)案

spss操作：

數(shù)據(jù)>標(biāo)識異常個(gè)案>變量>放入變量>

結(jié)果：