异常值处理教程

数据处理

用 IQR、Z 分数或分位点方法识别异常值，并决定删样本还是缩尾。

常用 Stata 命令summarize x, detail winsor2 x, cuts(1 99) replace

在 STATAU 中打开此功能

异常值处理winsorizewinsor2IQR

这个页面解决什么问题

异常值处理的重点不是机械删极端值，而是先判断这些极端值是录入错误、口径异常，还是本来就具有研究意义。页面支持几种常见规则，方便你在“保留信息”和“避免少数值主导结果”之间做平衡。

适用数据与前提

优先对波动特别大、分布特别偏的连续变量使用异常值处理。

STATAU 页面中每个位置应该放什么变量

网站位置	应放入的变量	说明
目标变量	需要识别异常值的连续变量	例如规模、收入、利润、估值。
识别方法	IQR / Z 分数 / 分位点	决定异常值判断口径。
处理方式	删除 / 缩尾 / 标记	决定异常值如何影响后续样本。

Stata 等效代码

summarize [目标变量], detail
winsor2 [目标变量], cuts([下分位] [上分位]) replace

Stata 代码位置	STATAU 网站对应位置	应放入什么
[目标变量]	目标变量	要检查极端值的连续型变量。
cuts([下分位] [上分位])	分位点参数	对应缩尾的上下界设定。
replace / remove	处理方式	对应缩尾、删除或生成异常值标记。

在 STATAU 中操作步骤

1. 先选择目标变量和识别方法。
2. 根据研究设计决定是删样本、缩尾还是只标记。
3. 处理后最好再看一眼分布是否明显改善。

结果怎么看

• 缩尾通常比直接删除更保守，也更常见。
• 如果极端值本身就是研究对象的一部分，删除前要先有充分理由。

论文表述示例

• 如果使用缩尾处理，可以在论文里写明缩尾分位点，例如“对连续变量在 1% 和 99% 分位进行缩尾处理”。

常见使用误区

• winsor2 是 Stata 常用扩展命令，不是所有本地环境默认安装。
• 先确认极端值是不是录入错误，再决定是否缩尾，别把真正有研究意义的极端样本机械抹平。

相关页面

• 描述性统计教程
• 缺失值处理教程