在统计表中识别异常值是数据分析中的一个重要步骤，它有助于确保数据的质量和分析结果的准确性。异常值是指那些与其它数值相比明显偏大或偏小的数据点，它们可能是由于测量错误、记录失误或者实际存在的极端情况造成的。下面是一些常用的方法来识别异常值：
1. 直观检查：首先可以通过直接观察数据，看是否有特别突出的数字。这种方法适用于数据量较小的情况。
2. 排序法：将数据按照大小顺序排列，然后查看最小和最大的几个数值是否与其它数据有显著差异。
3. 标准差法：计算数据集的标准差（SD），如果某个值偏离平均数超过3个标准差，则该值可被视为异常值。这种方法适用于正态分布的数据集。
4. 四分位距法（IQR）：首先确定第一四分位数（Q1，即25%处的数值）和第三四分位数（Q3，即75%处的数值），计算四分位距IQR = Q3 - Q1。任何小于Q1-1.5IQR或大于Q3 1.5IQR的数据点都可以被认为是异常值。
5. 箱线图：这是一种图形化的方法来展示数据分布，通过绘制箱线图可以直观地看到哪些数值超出了正常范围（即上述四分位距法中的界限）。
6. Z分数法：计算每个值的Z分数（即该值与平均数之差除以标准差），如果某个值的Z分数绝对值大于3，则认为是异常值。这与标准差法类似，但提供了更具体的数值衡量方式。
7. 上下限设定：根据专业知识或行业标准为某些指标设置合理的上下限，超出这些范围的数据视为异常。

选择哪种方法取决于数据的具体情况以及分析的目的。实际操作时，可以结合多种方法综合判断，以提高识别的准确性和可靠性。