SPSS數據準備：標識異常個案

一、標識異常個案（數據-標識異常個案）

   “異常檢測”過程查找基于聚類組標準值偏差的異常個案。該過程設計為在探索性數據分析步驟中，快速檢測到用于數據審核的異常個案，并優先于任何推論性數據分析。此算法設計為一般“異常檢測”；即異常個案的定義不被指定為任何特定應用程序，例如對保健行業中異常付款模式的檢測或對金融業中洗錢行為的檢測，其中對異常的定義可以被很好地界定。

示例。雇用的構建中風治療效果預測模型的數據分析人員對數據質量非常關注，因為這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案，因此不適合用于預測，而其他觀察值是由數據輸入錯誤導致的，其值從技術上說是“正確”的，因此不能被數據驗證過程捕獲?！皹俗R異常個案”過程找出并報告這些離群值，以便分析人員能夠確定如何處理這些值。

統計量。該過程生成對等組、連續和分類變量的對等組標準值、基于對等組標準值偏差的異常指標，以及對被視為異常的個案影響最大的變量影響值。

數據。此過程既處理連續變量也處理分類變量。每行表示一個不同觀察值，每列表示一個對等組以其為基礎的不同變量。個案標識變量可在用于標記輸出的數據文件中獲得，但不能用于分析中。允許缺失值。被指定的權重變量可以忽略。檢測模型可用于新檢驗數據文件。檢驗數據元素必須與培訓數據元素一致。并且，根據算法設置，用于創建模型的缺失值處理方法可適用于優先于評分的檢驗數據文件。

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

假設。算法假設所有變量都為不恒定且獨立的，并且沒有個案具有含有任何輸入變量的缺失值。假設每個連續變量具有正態（高斯）分布，假設每個分類變量具有多項分布。經驗內部檢驗表明，該過程對于違反獨立性假設和分布假設均相當穩健，但應了解這些假設符合的程度。

二、輸出（數據-標識異常個案-輸出）

1、對等組標準值。此選項顯示連續變量標準值表（如果分析中使用了任何連續變量）以及分類變量標準值表（如果分析中使用了任何分類變量）。連續變量標準值表顯示每個對等組的每個連續變量的均值和標準差。分類變量標準值表顯示每個對等組的每個分類變量的眾數（最大類別）、頻率和頻率百分比。連續變量的均值和分類變量的眾數在分析中用作標準值。

2、異常指標。異常指標摘要顯示標識為最不正常個案的異常指標的描述統計。

3、按分析變量列出出現的原因。對于每個原因，該表將每個變量的出現頻率和頻率百分比顯示為原因。該表還報告每個變量的影響的描述統計。如果在“選項”選項卡上將最大的原因數量設置為0，則此選項不可用。

4、已處理的個案數。個案處理摘要顯示活動數據集中所有個案的計數和計數百分比、分析中包含和排除的個案，以及每個對等組中的個案。

三、保存（數據-標識異常個案-保存）

1、異常指標。將每個個案的異常指標值保存到具有指定名稱的變量中。

2、對等組。將對等組ID、個案計數以及每個個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準值。變量集的數量取決于在“選項”選項卡上請求的原因的數目。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個原因。如果原因數量設置為0，則此選項不可用。