北京
在临床研究领域，数据的质量直接影响到研究结果的准确性和科学性。
医咖会 视频 课程《在开始统计分析前，如何对数据进行清洗或转换？》包含四部分内容：（1）引言；（2）数据探索；（3）数据清洗；（4）数据转换。
本课程深入讲解了如何运用多种方法对数据进行有效的清洗和转换，包括如何科学地填补缺失值、合理地转换数据类型，并利用哑变量转换增强回归模型的解释性等，以提高数据质量并满足统计分析的前提条件。
本课程适合所有需要进行临床研究数据分析的专业人士，包括研究人员、临床医生、数据分析师和医学生。
这里分享其中一课《异常值及其处理方法》。 点击左下方“阅读原文”，即可查看完整视频！
异常值是指样本中的个别值明显偏离所属样本的其余观测值。异常值存在的原因有三点：（1）数据录入错误；（2）测量误差；（3）真实的异常值。如何在保留数据信息的基础上，识别异常值，并对异常值进行有效处理，是数据清洗步骤中一个非常重要的环节。
异常值可分为3类：强影响点、离群值和高杠杆点。
异常值的处理包括四个方面：（1）核查数据是否存在收集或录入错误，如果是录入错误，则用正确的数值进行替换，及时更正数据；（2）保留异常值，但需符合变化趋势；（3）删除异常值（注：当需要删除异常值时，应报告异常值的大小，及其对结果的影响）；（4）将异常值纳入分析。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
