什么是调整均值？

当必须校正统计平均值以补偿数据不平衡和大方差时，就会出现调整平均值。数据集中存在的异常值通常会被删除，以确定调整后的均值，因为它们会对小群体的计算均值产生很大影响。可以通过回归分析去除这些异常值来确定调整后的平均值。调整后的均值也称为最小二乘均值。

了解调整均值
当存在对数据集趋势线产生巨大影响的异常数据点时，调整均值最常用于金融领域。分析师可能会选择完全删除异常值，但这通常仅在异常值背后的原因已知或适合对趋势进行粗略预测的情况下执行。

对于想要去除异常值的研究人员和专业人士，多元回归方程是首选方法。回归分析在研究结束时提供更准确的结果和更可靠的数据。除了回归分析之外，还有更基本的调整均值的方法。

关键要点
调整平均值用于校正统计平均值，这些平均值包括由于数据集中的异常值而导致的明显不平衡。

对于大多数依赖统计的专业人士来说，计算调整平均值的首选方法是使用多元回归。

计算调整均值的一种更简单的方法是添加分类变量，以便更精细地分离数据，例如性别。

调整均值的一种方法是添加分类变量，以便更精细地分离数据。例如，假设一项针对会计行业饮酒量的研究发现，如今的会计师饮酒量是 50 年前会计师的一半。虽然这似乎是积极的，但经过更深入的分析，发现该研究没有针对性别进行调整。如果将性别考虑在内，男性会计师的饮酒量比 50 年前略少，但变化的大部分是女性会计师总数的增长。平均而言，该研究表明，女性会计师的饮酒量与 50 年前的女性同行大致相同。如今和 50 年前，女性会计师的饮酒量也远低于男性会计师。

在这种情况下，附加变量讲述了更准确的数据故事，并且可以通过添加反映每个抽样组中男性与女性比例的性别值，将其合并回总体平均值。这将显示该行业整体饮酒量的下降幅度较小。但是，对这些数据进行进一步分析可能表明，一个综合平均值并不是呈现这些数据的最佳方式。

在此示例中，参与者的性别将被视为协变量，这是一种研究人员无法控制但会影响实验结果的变量。使用调整平均值是一种补偿协变量的方法：如果性别之间没有差异，活动或行为的影响是什么？对年龄、种族、社会经济地位等其他人口统计数据也进行了相同类型的调整。

调整均值示例
2009年，美国财务会计准则委员会（FASB）明确了按市值计算的规则，以缓解压力，即时改善大型银行的资产负债表。1 如果分析师使用银行公布的指标来审查 2010 年过去十年的资产负债表强度趋势，平均平均值将有问题且不准确，因为它包括 2009 年的规则变更。

纠正这种情况的一种方法是为资产负债表数字与当时市场价值之间的平均差异创建一个变异系数，针对大型银行的一部分共同持有资产。然而，在实践中，银行业分析师在规则澄清后继续计算严格的按市值计算的数字，因此简单的解决方案是使用这些数据集。更重要的是，根据按市值计算的规则，银行总是有一定的自由裁量权，因此应始终以怀疑的态度看待持有资产的资产负债表数据，并在可能的情况下进行独立验证。