对于outlier的影响，两种方法解决，一种是去掉数据两端极值，一种是对数据进行winsorization。现在后面的方法比较常用一些。

另外，我觉得你的10%和90%的设置有点过大，等于你去除了20%的数据。

你非要这么做的话，可以使用cut函数，生成10等分位，去掉两端就可以。另外推荐使用winsor，进行winsorization。

高手你好，我是想做个稳健性测试，所以这样做，因为我有看到别人这么做了。winsor这个命令不行，因为它不是删除，也就是跑过之后，数据不会变少。其他，能给个具体的用法吗，多谢了！

我还真没见过什么paper去极值去掉20%的数据，winsor的好处就是不删除观察值。别说删除20%的数据，我觉得winsor 20%的数据都很不妥。

你非要去的话，我不是说了用cut函数。
举例来说你的variable名称为var
egen var_group=cut(var), group(10)
drop if var_group==0|var_group==9

或者使用下面的函数：
_pctile var,p(10,90)
return list
drop if var<r(r1)|var>r(r2)

学习了，谢谢

你好，高手，我现在把我看到的论文的描述转给你看，可能是我理解错了，请继续指教。
为检验异方差的影响，我们首先计算出各个企业劳动收入份额在10%和90%百分数，并将全部样本中低于10%分位数和高于90%分位数的样本点剔除，在此基础上，对剩余样本数据进行处理。——《政治关系、制度环境与劳动收入份额》。
我不清楚，这段话用了两个概念，一个是百分数，后面又讲分位数，让我很迷惑，同时，他这里又好像不是讲的删除劳动收入份额小于10%和大于90%样本，如果是这样的，干嘛废这么多话，直接这么说就行了，所以你看是我这样理解的，应该是找分位数点，也就是10%分位数点和90%分位数点，这样删除掉数据就不会有整个数据的20%，而可能只有百分之十以下，而你的这种方法会删除掉整个样本的20%，确实太多了，感谢。