SAS学习笔记（七）——关于异常值处理

SAS中对于类别变量（离散）分布观察用proc freq，对于连续变量则用proc univariate来完成。

识别连续型变量的异常值通常称为盒形图，一般采用

proc univariate data=train plot;

var variable;

run;

plot选项输出变量的茎叶图（观测数少）或者直方图（观测数多），盒形图，正态概率图。（同时输出这些图）

该方法只能识别某变量是否存在异常值，并不能将其标识，下面有两种方法用来标识异常值：

1）使用data 步

proc means data=train nopoint;

var variable;

output out=outlier p25=p25 p75=p75;  /*p25,p75分别是上四分位数，下四分位数*,outlier为离群值即异常值/

run;

data a;

set outlier;

IQR3=3*(p75-p25);/*四分位数差的三倍，即离群值的范围*/

call symputx('IQR3',IQR3);  /*将变量变成宏*/

call symputx('p75',p75);

call symputx('p25',p25);

run;

data outlier1; 

set train;

if(&p25-&IQR3)<=&var<=(&p75+&IQR3) then outlier=0;

else outlier=1;    /*观测值在外界之内，将outlier标识为0，在之外，则标识为1*/

run;

2）当变量符合正态分布，可以使用Z记分法来标识

3）Z记分法的改进