在学术研究中，处理异常值需要兼顾科学严谨性与领域特殊性，既要避免“数据污染”导致的结论偏差，也要防止误删真实但极端的观测值。处理的核心是理解其来源，而非简单删除。以下是一些处理流程：
异常值的识别：多方法交叉验证
1
统计阈值法
IQR法：Q1-1.5×IQR 或 Q3+1.5×IQR之外（适用于近似正态分布）。
Z-Score：|Z|>3（小样本可能误判，建议结合p-value调整）。
Modified Z-Score：基于中位数绝对偏差，对非正态数据更稳健。
2
可视化工具
箱线图+ 小提琴图观察分布形态。
散点图矩阵检测多维异常（如PCA降维后的得分图）。
3
模型驱动法
孤立森林或局部离群因子，适用于高维数据（如基因组学、传感器数据）。
贝叶斯方法：通过后验概率判断极端值是否属于同一分布（如Stan/PyMC3实现）。
异常值的溯源：区分“错误”与“真实”
1
数据收集阶段检查
传感器故障（如EEG电极脱落）
人工录入错误（如小数点错位）
实验条件异常（如温度骤变导致细胞死亡）
2
领域知识判断
罕见但合理的极端值（如地震监测中的超强震级）应保留。
处理策略：根据数据特性选择
明确错误：直接删除（记录删除原因，如“设备故障”）。
疑似但不确定：稳健统计（如用中位数替代均值，Huber回归替代OLS）。
真实极端值：保留但加权（如逆概率加权IPW），或分层分析（单独报告极端值影响）。
小样本（n<30）：Bootstrap或置换检验评估异常值对统计量的影响（2025年《Biometrics》）。
机器学习模型：异常值鲁棒模型（如XGBoost的max_delta_step调参，或CatBoost的默认鲁棒性）。
报告规范：透明化与可复现
预注册分析计划：明确异常值处理规则（如OSF平台预注册）。
敏感性分析：对比“删除异常值”与“保留异常值”的结果差异（如附表报告）。
代码与数据共享：提供异常值检测代码（如Python的pyod库或R的outliers包）。
处理策略：根据数据特性选择
临床试验：遵循ICH E6(R3)指南，异常值需由独立数据监察委员会（IDMC）裁决。
社会科学：使用多层模型（如HLM）区分个体层面异常与群体层面异常。
时间序列：通过STL分解检测季节性异常（如2024年气候研究中的厄尔尼诺事件）。
