利用Tukey方法识别离群值

在统计分析中，离群值(outlier)，也称逸出值，是指在数据中有一个或几个数值与其他数值相比差异较大。处理离群值的时候要结合专业知识，判断是否属于逻辑错误。本文仅介绍在统计学上常用的Tukey法。

Tukey法方法通过计算参考值的25%分位数（Q1）、75%分位数（Q3）和四分位间距IQR（Q3-Q1），将分布在Q1-1.5×（IQR）至Q3+1.5×（IQR）之间的参考值定义为可接受数值，否则即为离群值（如下图所示）。当数据满足正态分布时，预计识别0.7%的数值为离群值。

在剔除离群值之前，首先分析各项指标检测值是否服从正态分布，如果服从正态分布，直接采用Tukey法进行离群值查找。如果不服从正态分布，则需要采用Box-Cox法进行数据变换，使其服从正态分布，Box-Cox变换的公式如下所示：

其中X为原始值，y为Box-Cox变换后的值；λ和c为最大似然估计的参数。
笔者将boxcox变换、tukey方法实施、数据前后箱型图检测打包为如下函数：

tukey<-function