补充一下其他大佬的回答。我自己是学经济的,所以从这个角度提供一点建议:
1.根据定义删除:某个指标(比如企业生存年限),那数值跟你定义严重冲突的时候(例如企业生存年限为负数),在排除数据本身的问题的情况下,不管有多少都是异常值,采取全部删除或者使用其他方法修正。
2. 根据辅助标准(或者专业范围内的通用标准)删除:例如有篇文章认为某数据库某指标具有5%的异常值,并且给出了相关的依据,那这个就可以作为辅助标准(相应的如果你是同样的操作得到的异常值大大超出5%,那可能就是有其他问题,需要及时回头自查)。而在缺乏依据的情况下随意判定异常值并进行缩尾等处理,则有可能被认为有操纵数据的嫌疑。
当题主你的提问结合到具体的研究主题时,可能执着于异常值“比例”是无意义的,很多时候没有办法判断你这个“异常值”的比例是不是“正常”(例如某些数据库某些年份的数据质量就是很差,在使用过程中会发现大量的异常值)。所以更多的时候我们可能考虑的是在尽量减少对数据的“人工修补”的情况下通过合并其他数据库,利用历史数据均值等方式来减小异常值带来的影响,这一点楼上有写,这几种都是常用的方法。
希望对你有帮助。