近二、三十年來，隨著電腦之迅速發展，回歸分析中檢視資料品質是否良好、模型是
否適當等問題，是很重要的研究方向。在資料的蒐集過程中，可能由於測量工具失當
或者人為的疏失以致產生錯誤的資料（例如：記錄或謄寫錯誤、資料鍵入錯誤等等)
，固然必須把它挑出來加以改正；更重要的是，資料中可能有些資料點對模型的配適
具顯著的影響而導致分析結果變化很大，有必要對這種資料特別謹慎處理，才不至於
隱藏問題的真象，下結論時才能較客觀。
本文主要在探討回歸模型診斷中有關影響資料點的挑選方法。可分成兩大項來敘述：
一、修正傳統的Cook統計量：Cook統計量過度反應了來自解釋變數的效應，可能把不
是影響點的點挑出來。修正的主要目的即改善這種情況，加重來自殘差的影響，淡化
來自解釋變數的影響，俾能反應真正來自反應值的影響。（詳見第二章）
二、修正誤差項變異不等的挑選方法：在一般文獻中，通常基於誤差項變異相等的假
設下進行討論，但是在實際應用上，不一定是這樣的理想情況，所以本文討論不假設
變異相等的處理方法。我們將資料點分組，同一組的點看成重覆樣本，以純誤差來估
計該組變異。經檢定后若變異有顯著差異則進一步估計權數，以加權最小平方法進行
分析；若檢定后無顯著差異，則依第二章所提之修正統計量來挑選影響資料點。（詳
見第三章）