数据中的间歇性值，应该直接删除吗？

不少人反问我：我的数据里面有越来越为数值，不对应该写入？要回答这个极为重要问题，我们需要从越来越为数值的本质来谈起。似乎有的人觉得越来越为数值不太好理解，不就是“越来越为”的数值吗？极为重要是，怎样才算越来越为呢？举例：在10个数据里面（下面银色点）人为转为茶色、绿、深蓝色的3个点，它们都是越来越为数值吗？越来越为数值其实是一个较为宽泛的本质，它数还包括了三种举举例：(1) 离群数值（outliner）离群数值是常指从因变量y的角度看来看归入越来越为的数值，如图里面的茶色色点和白色点，相反y的均数值较其它点越来越近。离群数值一般而言采用教职员既有残差来假定。(2) 高杠杆数值（high leverage）高杠杆数值是常指从对数x的角度看来看归入越来越为的数值，如图里面的深蓝色点和白色点，在x轴上相反x的均数值较近。高杠杆数值一般而言采用杠杆数值来假定。(3) 爆冷严重影响数值（influential observation）爆冷严重影响数值是常指对仿真严重影响较大的数值，反之亦然，如果写入了该数值，会导致仿真再次发生较大变异（如formula_数值改变较大）。爆冷严重影响点一般而言采用COOK'D数值、DFBETAS和DFFITS来假定。下面比较了不同越来越为数值对仿真渐进真实感的严重影响。图里面银色实两条路线表示不含这3个越来越为数值的渐进两条路线，白色、茶色色、深蓝色虚两条路线分别表示含白色点、茶色色点、深蓝色点时的渐进两条路线。不难看出，还包括白色点时，对仿真渐进严重影响几乎不小（与银色实两条路线几乎重合）；还包括深蓝色点时，渐进两条路线被向外拉低，即紧接著formula_近低于银色实两条路线；还包括茶色色点时，渐进两条路线也被拉低。如果要假定的话，白色点虽然从x一段距离和y一段距离上都相反均数值，但却不是爆冷严重影响点；深蓝色点和茶色色点才是爆冷严重影响点，因为单独的任一点以后可以导致formula_再次发生较大变异。我们现今已经明白了如何假定也就是说不对越来越为点，紧接着的极为重要问题就是，如果我辨认出了越来越为点，应该怎么检视？不少人习惯非常简单蛮横的方法，即单独写入。这并不是同样的必要，有时甚至会让你分心一些其实的规律。当你辨认出越来越为数值后，一定要先分清是什么诱因导致的越来越为数值，然后再重新考虑如何检视。如果是归入除此以外误解或研究中心记录误解等，这很很难，立刻修改即可。如果不是除此以外误解，而是似乎普遍存在这样的越来越为数值，这时需要根据不同举举例来分别对待。首先，如果这一越来越为数值并不代表者一种连续不断的，而是越来越为偶然的现像，或者说你并不想分析方法这种偶然的现像，这时可以将其写入。举例如，你要分析方法身高与高血压的关联，但你的分析方法年轻人里面恰好归入了郎平，这种前提，可以将其写入，只用其他人来进行分析方法。因为这并不代表者一种连续不断的现像，而且你似乎也不想分析方法特殊的情况。其次，如果越来越为数值普遍存在且代表者了一种真实普遍存在的现像，那就只能随以后写入。比如追查了100个自然村的肺癌死亡率，似乎似乎有个别自然小村的死亡率近近较低其它自然村，这时就只能随以后写入，而是要把这些越来越为点归入，重新渐进仿真，分析方法其规律。举例：某研究中心检测了细菌培养肠胃量与等待时间的关联，试来进行分析方法。很显着，下面里面的两个茶色点是越来越为点，可以让两条路线性紧接著的formula_再次发生剧烈变异。那这种前提是否需要写入这两个数值呢？首先看一下这两个数值是否实验误差，如果这两个数值是确切的，那它很似乎代表者了一种实情。反之亦然，在短期内增长缓慢，但是到了一个极为重要等待时间点后（如30），种群量就会剧增。此时如果你单独写入这两个点，就只能其实辨认出这种规律。所以我们可以归入这两个点，但是只能渐进两条路线性紧接著，而是要根据其大小渐进非两条路线性仿真。如此一处可以重新考虑对等待时间time来进行常比率变换，可以辨认出变换后仿真越来越能发挥作用渐进数据。