通常异常值出现的原因有以下几种：
1. 数据收集过程出现问题，录入错误
2. 数据测量误差(人为、测量仪器)
3. 数据随机误差(数据自身)
异常值处理步骤
第一步：异常值检测 异常值的检验有很多种方法，最常见的是图示法，也有使用分析方法进行探索，如下说明。 箱盒图：实验研究时经常使用，非常直观的展示出异常数据； 散点图：研究X和Y的关系时，可直观展示查看是否有异常数据； 描述分析：可通过最大最小值等各类指标大致判断数据是否有异常； 其它：比如结合正态分布图，频数分析等判断是否有异常值。
第二步：异常值判定 上述已经说明异常值会带来严重的影响，扭曲数据结论等。那么首先需要设定异常值的标准，然后再对其进行处理。异常值的判定标准并不统一，更多是通过人为标准进行设定，SPSSAU提供以下几类判定规则： 缺失数字 小于设定标准的数字 大于设定标准的数字 大于3个标准差
第三步：异常值处理 完成异常值的判定之后，接着需要进行处理；SPSSAU提供两类处理方式，分别为： 1、设置为Null值；此类处理最简单，而且绝大多数情况下均使用此类处理；直接将异常值“干掉”，相当于没有该异常值。如果异常值不多时建议使用此类方法 2、填补；如果异常值非常多时，则可能需要进行填补设置，SPSSAU共提供平均值，中位数，众数和随机数共四种填补方式。建议使用平均值填补方式。
异常值设置注意事项：
首先需要选中处理的标题，请谨慎操作，一旦操作无法还原数据； 异常值是针对原始数据进行修改；无法还原，建议处理之前先进行“备份数据”，防止处理出错时无法还原。 异常值判定没有固定标准，带微弱主观性；