学长教你论文实证(17):Winsor2 处理异常值 缩尾 VS 截尾

发布网友 发布时间：2024-10-23 17:41

我来回答

共1个回答

热心网友 时间：9分钟前

异常值处理：Winsor2 缩尾 VS 截尾

1. 异常值（离群值）

在回归分析中，如果数据中存在异常值，可能会对回归结果产生重大影响，甚至扭曲真实结果。简单来说，在计算平均分数时，可能会去掉最高分和最低分；在计算一群人的平均身高时，会去掉超级高的人。

在回归中，几个异常值往往可能导致结果不真实，因此，在连续变量回归之前，有必要先检查异常值，多数实证文章在回归之前，会先将连续变量进行缩尾或截尾处理。

本文介绍一个很好用的外部命令——winsor2

2. winsor2

2.1 winsor2 的简介

winsor2 是由连玉君老师编写的 Stata 外部命令，能够非常方便地对连续变量进行缩尾或截尾处理。

2.2 winsor2 的使用

安装缩尾命令winsor2，样本数据足够多时为了剔除一些极端值对研究的影响，一般会对连续变量进行缩尾处理（Winsor2）。通常在1%和99%分位做极端值处理，winsor2默认的是双侧缩尾。

01缩尾

实际运用到数据分析上，对price-gear_ratio等变量进行上下1%缩尾处理，直接替换，不产生新变量。代码如下，若如下图显示，则缩尾成功

若结果如下图显示，则缩尾成功

其中，winsor2 后面跟着的是要缩尾的变量，cut(1 99) 表示将 wage 变量最小和最大的 1% 的值进行缩尾处理。所谓缩尾，就是将小于1% 的值统一替换成 1% 的值，大于99% 的值统一替换成 99% 的值。 默认情况下，winsor2 在缩尾后自动在旧变量名后加上 **"_w"**，即生成缩尾后的新变量 wage_w。如果希望缩尾后直接替换掉旧变量，而不生成新变量，则加上 replace：

02截尾

这样一来，就是所有位于 wage 最低1% 和最高 99% 的观测值都被直接删除。但是，我们发现，wage 主要是右偏，因此我们可以对极大值进行截尾，而极小值则不截尾。截尾之后，默认生成新变量 wage_tr。

03缩尾 vs 截尾

右侧截尾是把右侧最高的1% 的值直接截掉，而缩尾则是把这些值替换成99% 分位数的值，因而在最右端多出了一个较长的柱体。

04联系学长

最近陆陆续续的有不少小伙伴过来咨询学长论文降重的相关事宜，在这里学长统一说一下。

1、学长降重不提前收任何押金，查重过了再付款

2、收费一定是良心价，但是不与用机器降重的人比价格，相同收费下敢保证降重质量最高，学弟学妹们可任意去对比，学长不靠花里胡哨的推广，只靠口口相传的降重质量保障。

3、预定可优惠，团报可优惠，具体咨询学长哈~

4、学长不只做降重一项业务哦，格式排版、开题报告、答辩PPT等，学长这里一站搞定