异常值处理的3大关键策略是什么？

引言Introduction

异常值处理是临床数据清洗中最容易被忽视的一步。识别出来不代表能直接分析，处理不当会影响结论、样本量和稳健性。对医学生、医生和科研人员来说，关键不是“删不删”，而是“按什么原则处理”。

1. 先核实，再决定是否修正

1.1 回到原始档案核对

异常值处理的第一原则，是先确认它是不是录入或记录错误。知识库中的典型例子是，一名38岁成年男性身高被记成280 cm，这显然不合理。若能联系原始档案或受试者，核对后发现真实身高为180 cm，就应直接修正。

这一步最重要，因为它处理的是“错误数据”，不是“真实极端值”。 对临床研究来说，能修正的异常值，优先修正，不应直接删除。

1.2 无法核实时，先判断变量重要性

现实中，很多原始对象无法联系，资料也可能缺失。此时要结合变量类型和研究目的判断。若异常值出现在分组变量、结局变量等关键字段，且明显违反逻辑，可以考虑进一步处理。
但前提是要有充分依据，不能只凭“看起来不顺眼”就删除。

1.3 识别工具要和变量类型匹配

连续变量可用极大值、极小值、箱式图、z-score识别。分类变量可用频数分布法，或个案选择加频数分布法。识别方法对了，后续异常值处理才有基础。

2. 根据研究目的，选择删除、转缺失或保留

2.1 个案删除，适合明显逻辑错误且样本量充足

如果异常值属于明显不符合常识的个案，且又是关键变量，知识库建议可采用个案删除法。比如某17岁女学生体重记录为5 kg，这种值明显异常，若作为结局变量分析，通常可剔除该个案。

但要注意，删除个案会损失样本量 。因此更适合样本量较大、缺失率不高的研究。若暴露因素或结局因素缺失，不宜轻易删整例。

2.2 转为缺失值，再按缺失值规则处理

如果异常值无法确认，又不适合直接删除，可以将其改为缺失值，再按照缺失值处理思路继续分析。知识库明确提到，这是一种常见路径。
后续可结合研究设计，使用均值/众数填补、回归法、多重填补法等方式处理。

这类方法的优势是更稳妥。 它把“异常判断”转化为“缺失处理”，减少对原始样本的硬删除。

2.3 保留异常值，但必须标记

第三种策略，是保留异常值不处理，只做标记。知识库指出，不作处理本身也是一种处理方式。
这种做法适用于：你判断该值真实存在，或暂时没有足够理由剔除它。

但保留不等于忽略。分析时要评估它是否会影响均值、回归系数或组间比较结果。尤其在样本量不大时，单个极端值就可能显著改变结论。

3. 用稳健分析，降低异常值对结果的影响

3.1 用中位数替代均数

当数据中存在特别大或特别小的异常值时，均数会被明显拉高或拉低。知识库建议，此时可用中位数描述中心趋势。
中位数对两端极值不敏感，更适合偏态分布或异常值较多的数据。

3.2 对大于0的数据可考虑对数变换

对大于0的观测值，可以进行对数变换，得到几何均数，用于降低极大值影响。
但要注意，对数变换也可能夸大极小值的影响，所以不宜机械使用，必须结合数据分布和研究问题判断。

3.3 截尾均数也是稳健方案

截尾均数，或切尾均数，是把数据按从小到大排序后，从两端截掉一定比例，再计算剩余数据的均数。它的核心思想是减少异常值干扰。
知识库提到，体育比赛中“去掉一个最高分和一个最低分”就是类似思路。

不过，截尾比例没有统一标准。不同软件默认可能是两端各5%，也可能是10%。因此使用前要明确设定规则，并在方法学中写清楚。

4. 异常值处理前后，最好做敏感性分析

4.1 先看结果是否一致

如果你对异常值是否删除没有明确把握，可以在处理前后各做一次统计分析。
若两次结果一致，说明异常值对结论影响有限。
若结果相互矛盾，就要谨慎判断是否剔除。

4.2 敏感性分析能提升研究可信度

对于临床研究和科研论文来说，敏感性分析能体现你对数据稳健性的重视。它不仅是技术动作，也是研究可信度的一部分。
这一步特别适合写进方法学和补充材料。

4.3 处理规则要提前定好

最理想的做法，是在数据分析前就预设异常值处理规则。这样可以减少主观判断带来的偏倚。
规则至少应说明：识别方法、处理方式、是否删除个案、是否做稳健分析，以及是否保留原始值。

5. 常见误区，科研人员要避免

5.1 不是所有异常值都要删

异常值不等于错误值。临床数据里，真实存在的极端值可能正是研究重点。
如果你没有证据证明它错了，就不要随意删除。

5.2 不能只看统计结果，不看临床意义

统计上极端，临床上未必不合理。反过来，统计上“正常”，临床上也可能有录入问题。
所以异常值处理必须结合专业知识，而不是只靠软件输出。

5.3 不要忽视样本量损失

个案删除看似直接，但会带来样本量下降。样本量一旦损失过多，研究效能也会下降。
尤其在小样本研究中，更要谨慎。

总结Conclusion

异常值处理的核心，其实只有三件事：先核实，再决定；能修正就修正，不能修正再考虑删除、转缺失或保留；最后用稳健分析检验结果是否稳定。对临床研究而言，真正专业的做法不是“快速清掉异常值”，而是让每一步处理都有依据、有记录、有解释 。
如果你希望把异常值处理、缺失值处理和数据清洗流程做得更规范，可以关注并使用解螺旋品牌的科研支持工具与课程体系，帮助你更高效地完成数据整理、分析和投稿准备。