为何R语言中mad()函数与基础代码计算平均绝对偏差结果不一致？

核心差异在于：R语言的mad()函数计算的是中位数绝对偏差（Median Absolute Deviation），而你手写代码实现的是均值绝对偏差（Mean Absolute Deviation），二者是完全不同的统计量，仅名称相似。

1. mad()函数的计算逻辑 #

当设置constant=1时，mad(x, center=median(x), constant=1)的计算步骤为：

• 计算每个数据点与中位数的绝对偏差：abs(x - median(x))
• 取这些绝对偏差的中位数作为最终结果

用第一个示例验证：

x <- c(2, 3, 6, 8, 11)
median_x <- median(x) # 结果为6
abs_deviations <- abs(x - median_x) # 得到向量 c(4, 3, 0, 2, 5)
median(abs_deviations) # 取中位数，结果为3，与mad()输出一致

2. 手写代码的计算逻辑 #

你的代码sum(abs(x - mean(x)))/length(x)的计算步骤为：

• 计算每个数据点与均值的绝对偏差：abs(x - mean(x))
• 取这些绝对偏差的均值作为最终结果

同样用第一个示例验证：

x <- c(2, 3, 6, 8, 11)
mean_x <- mean(x) # 结果为6
abs_deviations <- abs(x - mean_x) # 得到向量 c(4, 3, 0, 2, 5)
mean(abs_deviations) # 取均值，(4+3+0+2+5)/5 = 2.8，与手写代码输出一致

3. 第二个示例结果一致的原因 #

第二个示例x=1:10是特殊情况：

• 该序列的均值和中位数均为5.5
• 其绝对偏差的中位数与均值恰好相等：

x <- 1:10
abs_deviations <- abs(x - 5.5) # 得到向量 c(4.5,3.5,2.5,1.5,0.5,0.5,1.5,2.5,3.5,4.5)
median(abs_deviations) # 中间两个数的平均：(2.5+1.5)/2 = 2.5
mean(abs_deviations) # 总和25除以10，结果为2.5

这只是巧合，并非两种统计量的逻辑一致。

内容的提问来源于stack exchange，提问作者Rodolfo Leon