经验性研究常用智能大指规则清理数据测量误差常说明删除(复用)或重编码(互换)观测值超出规定范围的理由广度误差过程嵌套多似然模型分析结果显示,winorization和裁剪仅仅是小类测量误差过程的解决方案确实,对于大多数社会科学数据发现的测量误差过程,这种程序可诱发或加剧偏差,甚至放大差差估计值我们称偏差源为“自发性”(或计量经济学引出)错误MonteCarlo模拟和CensusPUMS数据和2001CPS数据实证结果显示微弱裁剪并购方解决依存变量测量错误即使是零差和RMSE标准,我们无法找到常用清洗程序可泛化的理由