회귀분석 전에 산점도를 그려보아 이상값의 유무와 선형성을 확인해야 한다.
데이터의 선형성 확인은 데이터내에 있을 수도 있는 이상값을 확인하는 것이다.
그래프에 직선관계가 존재하면 선형성이 있다고 판단하며 잔차 vs Fits 산점도를 통해
직선관계에서 멀리 떨어져 있는 이상값을 찾을 수 있다.

회귀모형에 대한 선형성 확인 방법은 표준화 잔차>±2, 레버리지>1, Cook>1, DFITS>±2
또는 다른 값들에 비해 상대적으로 크면 이상값으로 판단한다.

회귀분석 창의 출력 결과에 R, X가 표시되는 경우 이상값 여부를 확인하도록 한다

이상값이 나타나면 데이터 수집과정의 이상유무를 파악한 다음 명백한 오류라고 밝혀지면
그 값을 제거한 후 분석하여 전과 후를 비교해 보아야 한다

■ 표준화잔차(Standardized residual) : 잔차를 평균=0, 표준편차=1로 표준화한 값이다.
■ 레버리지(Leverage) : 관측치가 자료중심에서 벗어난 정도. 레버리지가 크면 영향점이 될
   가능성이 높다.

■ Cook의 거리(Cook's Distance) : 특정관측치가 회귀계수 추정량에 미치는 영향을 측정한다.
   영향이 있다고 판단되는 데이터를 제거하였을 때의 잔차의 변화를 보여주므로 유용한 측정치이다.
■ DFITS : 특정관측치가 예측값에 미치는 영향을 측정하는 값이다.