在执业医师考试的备考过程中，卫生统计学是一个重要的部分，而数据清洗又是其中的关键环节。特别是在强化阶段的第 8 - 9 个月，进行专题突破能让我们更深入地理解和掌握这一难点。
一、缺失值处理
（一）删除法
当数据中的缺失值数量较少时，可以考虑直接删除含有缺失值的观察对象或变量。但需要注意，这种方法可能会导致样本量的减少，从而影响统计结果的准确性和代表性。
学习方法：通过实际案例来理解何时适合使用删除法，以及删除后对数据分布和分析结果的影响。
（二）插值法
包括均值插值、中位数插值等。均值插值是用该变量的均值来替代缺失值；中位数插值则是用中位数替代。
适用场景：当缺失值不是很多，且数据分布较为对称时，均值插值可能比较合适；若数据存在偏态，则中位数插值更恰当。
学习方法：动手进行数据模拟操作，感受不同插值方法的效果。
（三）多重填补法
基于已有数据的信息，通过多次填补来生成可能的缺失值，从而考虑了不确定性。
学习方法：理解多重填补的原理和计算过程，可通过相关的统计软件进行实践。
二、异常值检测
（一）Z-score 法
通过计算数据点与均值的差值除以标准差，得到 Z-score 值。当 Z-score 超过一定阈值（通常为 ±3）时，认为该数据点为异常值。
适用场景：适用于数据近似服从正态分布的情况。
学习方法：掌握 Z-score 的计算公式，并通过实际数据进行练习判断。
（二）IQR 法
先计算数据的四分位数间距（IQR），然后确定上下限，超出上下限的数据点视为异常值。
适用场景：对于任何分布类型的数据都较为适用。
学习方法：理解四分位数的概念和 IQR 的计算方法，多做练习以熟悉其应用。
三、数据标准化
（一）正态标准化
将数据转换为均值为 0，标准差为 1 的标准正态分布。
适用场景：在进行需要假设数据服从正态分布的分析方法时使用。
学习方法：牢记正态标准化的公式和转换步骤。
（二）归一化
将数据缩放到特定的区间，如 [0, 1] 或 [-1, 1]。
适用场景：当不同变量的量纲不同时，为了消除量纲影响，常采用归一化。
学习方法：理解归一化的目的和作用，通过实际数据感受其效果。
四、数据清洗对统计分析结果可靠性的影响及预处理步骤的规范性
数据清洗的质量直接影响着后续统计分析结果的可靠性。不规范的数据清洗可能导致错误的结论和分析。因此，在进行数据清洗时，必须遵循一定的规范步骤：首先明确数据的来源和质量，然后选择合适的方法处理缺失值和异常值，最后进行数据标准化。同时，要对每一步操作进行记录和解释，以便于结果的复查和验证。
总之，在强化阶段的第 8 - 9 个月，我们要重点突破卫生统计学中的数据清洗这一专题，通过深入理解和实践，为顺利通过执业医师考试打下坚实的基础。
喵呜刷题：让学习像火箭一样快速，快来微信扫码，体验免费刷题服务，开启你的学习加速器！
