비정상적 관측치는 영향력 있는 관측치라고도 하며 회귀 분석이나 분산 분석 모형에서
불균형적인 영향을 미치는 관측치이다. 비정상적 관측치는 잘못된 결과를 초래할 수 있기
때문에 제대로 식별하는 것이 중요하다.

비정상적 관측치를 식별하려면 레버리지 값과 잔차, Cook의 D, DFITS 등을 확인하여
이 통계량들이 큰 값이면 관측치가 비정상적일 수도 있다.
 
 

 

 ■ 레버리지 : 한 관측치의 x-값으로부터 데이터 집합 내 모든 관측치의
    평균값까지의 거리를 나타냅니다. 레버리지를 사용하여 나머지 데이터에 비해
    비정상적인 예측 변수 값을 갖는 관측치를 식별할 수 있다.
 
 

 
 
 ■ Cook의 거리(D) : i번째 관측치를 포함하여 계산한 적합치와 i번째 관측치를
    포함하지 않고 계산한 적합치 사이의 거리 측도이다. Cook의 거리를 사용하여
    나머지 데이터에 비해 비정상적인 예측 변수 값을 갖는 관측치 모형이
    잘 적합시키는 못하는 관측치를 식별할 수 있다.
 
 

 
 
 ■ DFITS : 관측치를 데이터 집합에서 제거하고 모형을 다시 적합시킬 때,
    적합치가 변하는 표준 편차의 개수를 대략적으로 나타낸다. DFITS를 사용하여
    나머지 데이터에 비해 비정상적인 예측 변수 값을 갖는 관측치 모형이
    잘 적합시키는 못하는 관측치를 식별할 수 있다.