OLD：用于单变量和多变量异常值检测的SPSS宏

目录

0.简介

1.下载与(Windows)安装

2.使用

3.引用

4.参考文献

0.简介

包含了4中用于单变量异常值检测的方法，包括偏离均值的标准差（Z分数），极端观测值的百分比，箱型图和绝对中位差（median absolute deviation，MAD）。也含有2种多变量异常值的检测方法，包括马氏距离和两步聚类（SPSS官方方法的简化版）。

1.下载与(Windows)安装

读者可在公众号左下角通过“资料课程→课件&工具&数据→各类自制工具”进入下载。对SPSS单击鼠标右键，选择“以管理员身份运行”。

通过“扩展”进入“安装定制对话框”

选择安装包（后缀为“.spd”）。

安装成功后，即会显示该对话框的位置。

该对话框在“分析→描述统计”下。

2.使用

打开数据后才可进入对话框。以下列数据为例。

通过“分析→描述→OLD v1.0”进入对话框。首选选入目标变量，然后进入“单变量”子对话框，勾选箱型图和绝对中位差方法，点击“确定”完成操作。

对于箱型图的选择，将会照常输出SPSS的箱型图结果。

此外，本宏最大的好处在于，会为大多数方法在数据集中提供判断结果变量。例如，此处Q1的箱型图结果就产生了相应的变量，并为这个变量的值提供了标签，以方便使用者进行快速的选择。

在单变量的方法中，推荐使用绝对中位差方法（median absolute deviation，MAD）。使用MAD法进行异常值检测的主要理由有两个（Leys等，2013）：第一，MAD法对样本量不敏感，即使是在8个样本的数据中依然可行；第二，MAD法对异常值不敏感，不会因为特殊的异常值而导致估计的严重偏差 。

仍然使用本次数据，再次进入对话框，取消单变量选项后，选择勾选多变量中的两种方法，点击“确定”完成操作。

对于SPSS官方提供的两步聚类方法，将会在output中输出相应的结果，我们只需要找到“异常个案索引列表”，其中便会提供异常个案的“Outlier_id”值，这在数据集中会有对应的变量可以查询。

对于马氏距离方法，除了提供正常的马氏距离外，还提供了显著性检验结果。使用者可以通过马氏距离排序以判断哪些个案“更异常”（马氏距离越大越偏离群体），也可以通过“MD2_Outliers”的结果判断。后者提供了3个梯度的显著性结果，显著性越强，则该个案越偏离群体。

 

3.引用

英文：

Zongman Qiu. (2020). OLD：a SPSS macro for univariate and multivariate outliers detection. Retrieved from https://www.researchgate.net/publication/344335637_OLDa_SPSS_macro_for_univariate_and_multivariate_outliers_detection

中文：

邱宗满. (2020). OLD：用于单变量和多变量异常值检测的SPSS宏. https://www.researchgate.net/publication/344335637_OLDa_SPSS_macro_for_univariate_and_multivariate_outliers_detection

4.参考文献

Leys, C., Ley, C., Klein, O., Bernard, P.,& Licata, L. (2013). Detecting outliers: Do not use standard deviationaround the mean, use absolute deviation around the median. Journal ofExperimental Social Psychology, 49(4), 764-766.