如何剔除数据的异常值?
方法1.
数据需要服从正态分布。在3∂原则下,异常值如超过3倍标准差,那么可以将其视为异常值。正负3∂的概率是99.7%,那么距离平均值3∂之外的值出现的概率为P(|x-u| 3∂) = 0.003,属于极个别的小概率事件。
如果数据不服从正态分布,也可以用远离平均值的多少倍标准差来描述。即,使用Z-分数(Z-score)进行判断,计算每个数据的Z-分数。样本中每个数据 - 样本平均数,除以样本标准差,即可以计算每个数据的Z-分数。Z-score的值应该为【-3,+3】,超过该值的存在为异常值的可能,需要进一步判断。
那么如何看数据是否符合正态分布:
参考看SPSS如何检验数据是否服从正态分布http://blog.sina.com.cn/s/blog_13bb711fd0102wuck.html
SPSS中分析-探索,可以选择勾选图片,勾选带检验的正态图,输出结果。
描述性统计中,
偏度SK越趋近0,数据越服从正态分布,众数=中位数=平均数;SK>0,为正偏态或左偏,众数<中位数<平均数;SK<0,为负偏态或右偏,众数>中位数>平均数。
峰度KG越趋近3,数据越服从正态分布;KG>3,峰度尖锐;KG<3,峰度扁平。(或exceess_KG=KG-3,exceess_KG越趋近0,数据越服从正态分布)
但是仅根据偏度和峰度还不足以判断数据是否服从正态分布,需要做进一步的检验。
常态性检验中,
KS检验和SW检验,此处我们关注的显著性是Sig.即P值。当P>0.05时,可以认为数据是呈正态分布的。
本数据中,偏度为0.679,峰度为1.008,KS和SW显著性均为0.000,所以该数据不符合正态分布。
本数据中,Z-score ≥3的存在17个样点,需要进一步判断。最终剔除样点