KNOWECON WIKI

ARTICLE

四分位数极差

四分位数极差 (Interquartile Range, IQR) 四分位数极差（Interquartile Range，简称 IQR），又称四分位距，是统计学中度量数据离散程度的一种稳健性指标。它定义为第三四分位数（Q_3）与第一四分位数（Q_1）之间的差值，即： 与极差（最大值减最小值）和标准差不同，IQR 关注的是数据中间 50\% 的分布范围，因而天

浏览 6 更新 2026-06-29

四分位数极差 (Interquartile Range, IQR)

四分位数极差（Interquartile Range，简称 IQR），又称四分位距，是统计学中度量数据离散程度的一种稳健性指标。它定义为第三四分位数（Q3Q_3）与第一四分位数（Q1Q_1）之间的差值，即：

IQR=Q3−Q1\mathrm{IQR} = Q_3 - Q_1

与极差（最大值减最小值）和标准差不同，IQR 关注的是数据中间 50\% 的分布范围，因而天然地不受异常值的影响，是描述偏态分布或存在离群点数据的离散程度时的首选指标。

四分位数的计算

理解 IQR 的前提是掌握四分位数的计算方法。给定一组已排序的数据 x1≤x2≤⋯≤xnx_1 \leq x_2 \leq \cdots \leq x_n：

  • 第一四分位数（Q1Q_1，又称下四分位数、第 25 百分位数）：将数据中最小的 25\% 与最大的 75\% 分开的值。多种计算方法并存，最常见的是：取中位数位置左侧数据的中位数。
  • 第二四分位数（Q2Q_2，即中位数，第 50 百分位数）：将数据等分为两半的值。
  • 第三四分位数（Q3Q_3，又称上四分位数、第 75 百分位数）：将数据中最小的 75\% 与最大的 25\% 分开的值。取中位数位置右侧数据的中位数。

计算四分位数的具体方法存在多种惯例（如 Tukey 方法、Moore \& McCabe 方法、Mendenhall \& Sincich 方法等），在实际应用中，不同软件（如 Excel、R、Python 的 NumPy）可能采用略有差异的算法，导致 Q1Q_1 和 Q3Q_3 的数值存在微小差别。但无论如何，nn 足够大时这些差异可以忽略不计。

IQR 作为离散度量

在所有的离散度量中，IQR 占据着独特的位置。以下是比较分析：

  • 极差（Range = max⁡−min⁡\max - \min）：计算最为简单，但仅取决于两个最极端的值，一个异常值即可使其完全失效。例如，数据集 {5,6,7,8,9,100}\{5, 6, 7, 8, 9, 100\} 的极差为 95，而 IQR 约为 3，显然后者更真实地反映了数据的集中程度。
  • 标准差（σ\sigma）与方差（σ2\sigma^2）：基于均值计算，综合了所有数据点，信息利用率最高，但同样容易受极端值影响，且在偏态分布中解释性较差。
  • IQR：仅依赖 Q1Q_1 和 Q3Q_3，直接忽略数据两端各 25\% 的极端部分，是一种天然的抗异常值度量。这一性质在稳健统计中至关重要。

异常值检测：1.5 IQR 规则

IQR 最重要的应用之一是用作异常值检测的标准。由统计学家约翰·图基（John Tukey）提出的 1.5 IQR 规则至今仍是探索性数据分析中最常用的离群值识别方法：

  • 下围栏（Lower Fence）：Q1−1.5×IQRQ_1 - 1.5 \times \mathrm{IQR}
  • 上围栏（Upper Fence）：Q3+1.5×IQRQ_3 + 1.5 \times \mathrm{IQR}

任何落在下围栏以下或上围栏以上的数据点，被标记为疑似异常值。若将系数从 1.5 放宽到 3.0，则标记为极端异常值（Far Outliers）。

该规则的理论依据在于：若数据近似服从正态分布，则 Q1≈μ−0.6745σQ_1 \approx \mu - 0.6745\sigma，Q3≈μ+0.6745σQ_3 \approx \mu + 0.6745\sigma，IQR≈1.349σ\mathrm{IQR} \approx 1.349\sigma，从而 ±1.5IQR\pm 1.5 \mathrm{IQR} 约对应 ±2.698σ\pm 2.698\sigma，包含了约 99.3\% 的正态数据。换言之，从正态总体中仅约 0.7\% 的观测值会因 1.5 IQR 规则被标记——这既是该规则的严格性，也说明了它的保守性。

箱线图中的 IQR

IQR 是箱线图（Box Plot）的核心构成要素。在一个标准箱线图中：

  1. 箱体从 Q1Q_1 延伸到 Q3Q_3，箱体的高度即为 IQR。
  2. 箱体内部的横线标记中位数（Q2Q_2）。
  3. 须线（Whiskers）从箱体两端分别延伸至围栏内的最小值和最大值。
  4. 围栏之外的点以独立标记（通常为圆点或星号）单独绘制。

箱线图通过 IQR 将数据的中心趋势、离散程度、偏态方向和异常值同时可视化，是探索性数据分析中最简洁有力的工具之一。看两个箱体的 IQR 大小，即可快速比较两组数据的离散程度差异。

半四分位数极差

有时研究者会用到半四分位数极差（Semi-Interquartile Range，简称 SIQR）：

SIQR=Q3−Q12\mathrm{SIQR} = \frac{Q_3 - Q_1}{2}

SIQR 可视为中位数的一种"标准差等价物"——在正态分布中，均值 ±\pm 标准差覆盖约 68\% 的数据，而中位数 ±\pm SIQR 覆盖中间 50\%。SIQR 在概念上类似于围绕中位数的平均绝对偏差，但其计算更为便捷。在报告严重偏态数据的离散程度时，使用"中位数 ±\pm SIQR"是一种常见且得体的做法。

与中位数绝对偏差的比较

另一个常用的稳健离散度量是中位数绝对偏差（Median Absolute Deviation，MAD）：

MAD=median⁡(∣xi−median⁡(x)∣)\mathrm{MAD} = \operatorname{median}\left(|x_i - \operatorname{median}(\mathbf{x})|\right)

IQR 和 MAD 各有优劣：

  • 崩溃点（Breakdown Point）：MAD 的崩溃点为 50\%（最多可容忍一半数据被污染而不至完全失效），IQR 的崩溃点为 25\%（因 Q1Q_1 或 Q3Q_3 若被极端值占据则 IQR 可能失真）。就此而言，MAD 更稳健。
  • 计算便利性：IQR 只需两个分位数，手算即可完成；MAD 需两次求中位数，稍显繁琐。
  • 可解释性：IQR 直观地表示"中间一半数据的跨度"，对非统计背景的读者非常友好；MAD 需乘以缩放因子（约 1.4826）才能在正态下与标准差对齐，解释门槛更高。

经济学与社会科学中的应用

在收入分配研究中，IQR 及相关度量是报告不平等程度的常用指标。一个典型做法是计算收入的 Q3/Q1Q_3 / Q_1 比率（有时称为四分位比），反映高收入群体与低收入群体的收入倍数。此外，各国统计机构常报告家庭可支配收入的五分位数、十分位数和九十分位数与十分位数之比（P90/P10），这些指标本质上与 IQR 一脉相承，均利用分位数而非均值来规避极值污染。

在劳动经济学中，工资分布的 IQR 是衡量工资离散程度和技能溢价的常用指标。在金融学中，资产收益率的 IQR 可用于比较不同投资策略的收益波动性，尤其在收益率分布呈现厚尾特征时比标准差更可靠。在发展经济学中，当研究人员进行随机对照试验时，报告结局变量的 IQR 可以为读者提供关于处理效应分布的有用信息，补充仅报告均值差异的局限。

注意事项与常见误区

尽管 IQR 简单实用，在使用时仍需注意以下几点：

  1. 信息损失：IQR 仅反映中间 50\% 数据的分布，完全不携带尾部信息。对于厚尾分布（如帕累托分布、柯西分布），仅报告 IQR 可能严重低估极端风险的严重程度。
  2. 与标准差不具可比性：切勿将 IQR 的数值直接与标准差进行比较并据此得出"数据更分散/更集中"的结论——两者的度量基准和分布假设均不同。
  3. 小样本问题：当样本量很小（如 n<10n < 10）时，四分位数的定义变得模糊，IQR 的波动性很大，应谨慎解读。
  4. 多峰分布：在双峰或多峰分布中，IQR 可能掩盖分布的真实结构，因为中间 50\% 的数据可能来自两个不同子总体的混合。

小结

四分位数极差（IQR）是统计学中最基本也最实用的稳健离散度量之一。它以极简的定义（Q3−Q1Q_3 - Q_1）实现了对异常值的天然免疫，通过箱线图与 1.5 IQR 规则为探索性数据分析提供了可视化与离群值检测的双重功能。在与标准差、MAD 等指标的配合使用中，IQR 帮助研究者从不同角度刻画数据的分布特征——标准差回答"数据围绕均值的平均波动"，IQR 回答"中间一半数据跨了多远"。这两者互补而非互斥，是统计工具箱中各自不可替代的存在。