黄石2024-03-19 11:33:02

同学你好。这里课上授课老师就是举个例子。实证研究中，我们可以通过将数据可视化来观察是否可能存在outlier，比如我观察到存在这样一个点A，看起来非常像outlier。接下来，我就可以使用比如像Cook distance这样的指标来去核实。假如说计算得到的Cook distance > 1，那么我们就认为A点应该是一个outlier。而关于A点具体要不要放在回归当中作为数据去使用，这又是另一个问题了。比如如果你认为这种数据以后不会再发生，或者是由与研究课题无关的特殊现象导致的，那么就不要将其包含在数据集中；但如果你认为这种数据也是真实发生过的事件，我们的模型理应考虑到这种事件的影响，那你也可以把它保留在数据集中。实操中通常是包含outlier的数据集跑一个回归，不包含outlier的数据集再跑一个回归，然后同时汇报。