SPSS數(shù)據(jù)準(zhǔn)備：標(biāo)識異常個(gè)案

一、標(biāo)識異常個(gè)案（數(shù)據(jù)-標(biāo)識異常個(gè)案）

   “異常檢測”過程查找基于聚類組標(biāo)準(zhǔn)值偏差的異常個(gè)案。該過程設(shè)計(jì)為在探索性數(shù)據(jù)分析步驟中，快速檢測到用于數(shù)據(jù)審核的異常個(gè)案，并優(yōu)先于任何推論性數(shù)據(jù)分析。此算法設(shè)計(jì)為一般“異常檢測”；即異常個(gè)案的定義不被指定為任何特定應(yīng)用程序，例如對保健行業(yè)中異常付款模式的檢測或?qū)鹑跇I(yè)中洗錢行為的檢測，其中對異常的定義可以被很好地界定。

示例。雇用的構(gòu)建中風(fēng)治療效果預(yù)測模型的數(shù)據(jù)分析人員對數(shù)據(jù)質(zhì)量非常關(guān)注，因?yàn)檫@類模型對異常觀察值十分敏感。某些偏離的觀察值表示真正唯一的個(gè)案，因此不適合用于預(yù)測，而其他觀察值是由數(shù)據(jù)輸入錯(cuò)誤導(dǎo)致的，其值從技術(shù)上說是“正確”的，因此不能被數(shù)據(jù)驗(yàn)證過程捕獲?！皹?biāo)識異常個(gè)案”過程找出并報(bào)告這些離群值，以便分析人員能夠確定如何處理這些值。

統(tǒng)計(jì)量。該過程生成對等組、連續(xù)和分類變量的對等組標(biāo)準(zhǔn)值、基于對等組標(biāo)準(zhǔn)值偏差的異常指標(biāo)，以及對被視為異常的個(gè)案影響最大的變量影響值。

數(shù)據(jù)。此過程既處理連續(xù)變量也處理分類變量。每行表示一個(gè)不同觀察值，每列表示一個(gè)對等組以其為基礎(chǔ)的不同變量。個(gè)案標(biāo)識變量可在用于標(biāo)記輸出的數(shù)據(jù)文件中獲得，但不能用于分析中。允許缺失值。被指定的權(quán)重變量可以忽略。檢測模型可用于新檢驗(yàn)數(shù)據(jù)文件。檢驗(yàn)數(shù)據(jù)元素必須與培訓(xùn)數(shù)據(jù)元素一致。并且，根據(jù)算法設(shè)置，用于創(chuàng)建模型的缺失值處理方法可適用于優(yōu)先于評分的檢驗(yàn)數(shù)據(jù)文件。

個(gè)案順序。注意，解決方案可取決于個(gè)案順序。要使順序的影響降至最低程度，可隨機(jī)排列個(gè)案的順序。想要驗(yàn)證給定解的穩(wěn)定性，您可能想要通過以不同隨機(jī)順序排序的案例來得到多個(gè)不同的解。在文件非常大的情況，可使用以不同隨機(jī)順序排序的個(gè)案樣本運(yùn)行多次。

假設(shè)。算法假設(shè)所有變量都為不恒定且獨(dú)立的，并且沒有個(gè)案具有含有任何輸入變量的缺失值。假設(shè)每個(gè)連續(xù)變量具有正態(tài)（高斯）分布，假設(shè)每個(gè)分類變量具有多項(xiàng)分布。經(jīng)驗(yàn)內(nèi)部檢驗(yàn)表明，該過程對于違反獨(dú)立性假設(shè)和分布假設(shè)均相當(dāng)穩(wěn)健，但應(yīng)了解這些假設(shè)符合的程度。

二、輸出（數(shù)據(jù)-標(biāo)識異常個(gè)案-輸出）

1、對等組標(biāo)準(zhǔn)值。此選項(xiàng)顯示連續(xù)變量標(biāo)準(zhǔn)值表（如果分析中使用了任何連續(xù)變量）以及分類變量標(biāo)準(zhǔn)值表（如果分析中使用了任何分類變量）。連續(xù)變量標(biāo)準(zhǔn)值表顯示每個(gè)對等組的每個(gè)連續(xù)變量的均值和標(biāo)準(zhǔn)差。分類變量標(biāo)準(zhǔn)值表顯示每個(gè)對等組的每個(gè)分類變量的眾數(shù)（最大類別）、頻率和頻率百分比。連續(xù)變量的均值和分類變量的眾數(shù)在分析中用作標(biāo)準(zhǔn)值。

2、異常指標(biāo)。異常指標(biāo)摘要顯示標(biāo)識為最不正常個(gè)案的異常指標(biāo)的描述統(tǒng)計(jì)。

3、按分析變量列出出現(xiàn)的原因。對于每個(gè)原因，該表將每個(gè)變量的出現(xiàn)頻率和頻率百分比顯示為原因。該表還報(bào)告每個(gè)變量的影響的描述統(tǒng)計(jì)。如果在“選項(xiàng)”選項(xiàng)卡上將最大的原因數(shù)量設(shè)置為0，則此選項(xiàng)不可用。

4、已處理的個(gè)案數(shù)。個(gè)案處理摘要顯示活動數(shù)據(jù)集中所有個(gè)案的計(jì)數(shù)和計(jì)數(shù)百分比、分析中包含和排除的個(gè)案，以及每個(gè)對等組中的個(gè)案。

三、保存（數(shù)據(jù)-標(biāo)識異常個(gè)案-保存）

1、異常指標(biāo)。將每個(gè)個(gè)案的異常指標(biāo)值保存到具有指定名稱的變量中。

2、對等組。將對等組ID、個(gè)案計(jì)數(shù)以及每個(gè)個(gè)案的以百分比表示的大小保存到具有指定根名稱的變量中。例如，如果指定了根名稱Peer，則會生成變量Peerid、PeerSize和PeerPctSize。Peerid為個(gè)案的對等組ID，PeerSize為組的大小，而PeerPctSize為用百分比表示的組大小。

3、原因。使用指定的根名稱保存原因變量集。原因變量集包含作為原因的變量的名稱、變量影響度量、變量自身的值以及標(biāo)準(zhǔn)值。變量集的數(shù)量取決于在“選項(xiàng)”選項(xiàng)卡上請求的原因的數(shù)目。例如，如果指定根名稱Reason，則會生成變量ReasonVar_k、ReasonMeasure_k、ReasonValue_k和ReasonNorm_k，其中k是第k個(gè)原因。如果原因數(shù)量設(shè)置為0，則此選項(xiàng)不可用。