这是个非常典型的统计工具默认算法差异问题，尤其在小样本（比如你提到的5个数据点）情况下，这种差异会被放大，导致结果看起来不一致。我来帮你拆解背后的关键原因和解决方法：

1. 百分位数计算的核心差异 #

MATLAB和SPSS默认使用的百分位数计算算法完全不同，这是导致Q1、Q3（进而影响IQR和异常值判定）差异的根本原因：

• MATLAB的boxplot函数默认采用Tukey的箱线图规则，其分位数计算基于quantile函数的Type=7（MATLAB默认设置），逻辑是在(k-1)/(n-1)位置做线性插值。
• SPSS的Analyze>Descriptive Stats>Explore默认采用加权平均法，对应MATLABquantile函数的Type=6，逻辑是在(k)/(n+1)位置做线性插值。

对于5个数据点的小样本，两种算法的计算结果会有明显差异。比如假设你的数据是[1, 3, 5, 7, 15]：

• MATLAB默认Type=7计算：Q1=2，Q3=6，IQR=4，异常值上限=6+1.5*4=12，15会被判定为异常值；
• SPSS默认算法（MATLAB Type=6）计算：Q1=2.2，Q3=6.8，IQR=4.6，异常值上限=6.8+1.5*4.6=13.7，15同样是异常值，但如果换一组数据（比如[1,2,3,4,9]），两种算法的异常值阈值就可能出现差异，导致某一个工具判定为异常值，另一个则不判定。

2. 异常值判定的连锁影响 #

箱线图的异常值判定依赖于1.5*IQR规则，而IQR=Q3-Q1。由于Q1/Q3的计算方式不同，IQR的数值会直接变化，最终导致异常值的判定阈值不同——这就是你看到两者异常值结果不一致的直接原因。

3. 如何让两者结果统一？ #

如果你需要让MATLAB和SPSS的结果对齐，可以手动指定一致的算法：

• 在MATLAB中匹配SPSS的结果：MATLAB R2020b及以后版本支持boxplot的'QuantileMethod'参数，使用boxplot(test, 'QuantileMethod', 'exclusive')就能切换到和SPSS默认一致的分位数算法；也可以用quantile(test, [0.25, 0.75], 'Type', 6)手动计算分位数，再自行判断异常值。
• 在SPSS中匹配MATLAB的结果：在Explore对话框中点击Statistics按钮，找到Percentiles选项，选择Tukey's hinges（这就是MATLAB boxplot默认使用的分位数方法），就能让SPSS的结果和MATLAB默认一致。

总结 #

本质上不是工具出了问题，而是不同工具为适配不同统计场景，默认选择了不同的计算规范。小样本下这种差异会更直观，只要统一算法就能得到一致的结果。

内容的提问来源于stack exchange，提问作者MCK