极端值判断方法简介要领.pdfVIP

台東大學教育學報 第十九卷第一期 131～150 頁 2008 年 6 月 極端值判斷方法簡介 譚克平 國立台灣師範大學科學教育研究所副教授 近代統計學發展迅速，建立統計模式的方法愈來愈多，教育研究者應用統計來建立 模式的研究方式，亦漸趨流行，所建立的模 式更愈趨複雜。可是，許多研究者在進行資 料分析前，常會忽略檢查資料中是否有極端值存在；而且在中文常見的心理或教育的期 刊中，也少見這方面的報導。然而，無論是從較傳統的描述性資料分析，或是常見的迴 歸模式，以及日益普遍的結構方程模式與多 階層模式等方法，如果在分析與建立模式的 過程中忽略了極端值的存在，所得分析結果或所建立的模式可能就不會正確，後續的詮 釋或者是理論的建立也就會有瑕疵。 對應用研究而言，資料中是否存在極端值，可能會嚴重影響到資料分析的結果，甚 至會影響到模式建立的正確性。目前，一般的應用研究鮮少報導極端值的檢查，這可能 是因為很多量化的研究者並不清楚極端值的重要性，或者是不清楚如何檢查極端值。本 文的主要目的，是希望能初步介紹這方面的知識，喚起研究者對極端值的重視。 Hampel identifer 關鍵字：極端值、標準化分數、 、盒狀圖、截尾平均值 極端值為何會被忽略？可能原因有二：第一個原因可能是研究者不清楚極端 值的存在可能會嚴重影響到資料分析的結果，以致於讓研究者做出不正確的詮 釋；另外一個原因，則可能是因為應用研究者不清楚應該如何判斷極端值，而且 一般的應用統計教科書，並沒有討論到此議題，即使有，亦著墨不多，這包括一 些大專界廣為採用的統計教科書在內（如林清山，1992）。其實，統計學界已有 大量關於極端值的文獻，甚至已經有這方面的專門著作（如 Barnett Lewis, 1994; Hawkins, 1980 ），因此本文的主要目的是希望能向有興趣的研究者初步介紹極端 值的判斷方法，藉此喚起更多研究者留意此一主題。 本文首先交代極端值的類型，然後舉例說明極端值的重要性，接著會扼要說 明極端值的來源，並介紹幾種比較精簡的極端值的判斷方法。介紹時，會舉出一 些實際例子以資說明，並儘可能說明如何使用 SAS 統計軟體對相關的資料執行極 131 4.5 z-ww290-04 7 校 CB-CB-CB-CB-CB-CB-CB 2008, 19(1), pp.131-150 端值的判斷。此外，本文還會討論在檢查到極端值之後，可以選擇什麼方案做資 料處理，最後以綜合討論作結。 壹、極端值的類型 一般而言，極端值又可分為單變量的極端值（univariate outlier ）與多變量的 極端值（multivariate outlier ）兩種。單變量的極端值，指的是某一個觀察值與其他 觀察值的數值呈現很大的差異。至於多變量的極端值，指的是在超過一個變數的 情況下，某一筆觀察值的組合與其他觀察值的組合呈現很大的差異。例如人的身 高是一個變數，人的年齡是另外一個變數，假設已知某一人身高 167 公分，這高 度本身可能並不算是特別高，但如果得知該身高是測量自一位 6 歲的孩童，則綜 合這兩個資訊，卻幾乎可以肯定該高度在同年齡者當中應該是一個與眾不同的觀 察值組合；換句話說，它是一個（多變量的）極端值。由於本文的目的是初步介 紹極端值，因此只著重於介紹如何檢驗出單變量的極端值。至於多變量極端值的 檢查，在文後的討論中會略為說明，其細節需要另外的專文介紹。 貳、極端值的重要性 極端值又稱為離群值（outlier 或 extreme value ），一般是指某一個觀察值與其