这么好的问题没人回答呀，，，同问

离群点按因变量值异常和自变量值异常可分别称为异常点和杠杆点。特别地，某些离群点既是异常点也是杠杆点。将离群点和强影响点统称为例外点。异常点是指因变量值远离其平均值所对应的数据点，或者说该数据点在轴上的投影明显远离其他数据点在轴上的投影，其中该因变量值称为异常值。

离群点：指那些模型预测效果不佳的观测点。通常有很大的、或正或负的残差。可用car包的outlierTest()函数求得最大标准化残差绝对值Bonferroni调整后的p值，从而作出判断。

高杠杆值：即是与其他预测变量有关的离群点。换句话说，它们是由许多异常的预测变量值组合起来的，与响应变量值没有关系。可通过帽子统计量（hat statistic）判断。

强影响点：即对模型参数估计值影响有些比例失衡的点。例如，若移除模型的一个观测点时，模型会发生巨大的改变，那么你就需要检测一下数据中是否存在强影响点了。有两种方法可进行检测：Cook距离法（D统计量），以及变量添加图。

包含关系，强影响点包含高杠杆点、异常点。其中，高杠杆点系指自变量x太大或者太小；异常点系指因变量y太大或者太小。