刚刚粗略看了这些资料，大概处理方法如下：首先，找出这个三个值跟其他值的异常程度有多大（这里就会涉及到很多方法），如果这种异常性不影响估计的稳定性，那么可以不管它，如果异常程度很大，使得估计方程远远偏离了，那就要剔除掉，由此得出，对数据的处理有时还是要人为操控的。不知道这么理解对不对

another question puzzled me：为什么在一个特定的方程中增加一个解释变量绝不可能降低R方的值？背后的原理是什么呢？

俺也学习了，很好

以下是引用Christy_hong在2009-2-26 20:43:00的发言：
another question puzzled me：为什么在一个特定的方程中增加一个解释变量绝不可能降低R方的值？背后的原理是什么呢？

R2=SSR/SST,SSR是回归平方和，SST是总离差平方和。显然，R2越大，拟合的效果应该是越好。

R2的一个重要性质就是它是解释变量个数的递增函数。也就是说，在样本容量不变时，如果在回归模型中增加新的解释变量，并不会改变总离差平方和SST，但是可能增加回归平方和SSR，从而可能改善模型的解释功能。所以，增加新的解释变量，不会减少R2的数值，只能增加R2.但是，不要认为，要想使得模型拟合的好，只要在回归模型中引入新的解释变量。因此，R2并不能真是反映回归模型对观测数据的拟合优度。所以有了修正或调整的R2，消除了R2对解释变量个数的依赖性。

详情可参阅计量经济学的书籍，可到EVIEWS专版下载易丹辉，高铁梅等老师的书籍，课件。

实在太感谢你了！因为R方=ESS/TSS=（Y^i-Y的均值)（平方)/=（Yi-Y的均值)(平方),所以当增加一个解释变量的时候，TSS一定不变，而ESS要不不变，要不就增加，所以当R方很高时，不一定就表示表示拟合程度很好，很可能是因为太多解释变量的原因。

   这要是具体问题而定，如果这个点正好作为一个突变点，有重要的经济意义和影响则绝对不能去掉！应该考虑使用其他计量方法来反映这一突变。当然，还有可能是输入错误等其他原因。