审稿返修 · 2026-07-11

审稿人要求解释异常值：Cook 距离、影响点与删点敏感性怎么答

审稿人要求解释异常值怎么办？本文区分异常观测、高杠杆点和影响点，说明 Cook 距离等诊断与 ChatSRS 现有稳健性输出边界，并提供返修信模板。

审稿人要求“检查异常值是否驱动结果”时，不能把任务简化成“删掉几个点再跑一次”。异常值描述因变量或残差偏离，高杠杆点描述自变量组合远离样本中心，影响点则描述某条观测对系数、拟合值或推断的实际改变。一个残差很大的点未必高杠杆，一个高杠杆点也未必有强影响；只有把数据错误、预先规则、影响诊断与敏感性估计分开，返修才经得起复核。

先查数据，再谈统计删除

第一步核对原始记录：单位是否混用、小数点是否错位、反向题是否漏计、日期与编码是否超出字典。能够由原始证据确认的录入错误可以更正，并保留更正日志。第二步识别研究设计允许但稀少的真实观测，例如极高收入、极长住院日或特殊规模企业。这些点承载总体尾部信息，不能因为让 p 值变大就删除。

第三步才是模型诊断。线性回归常见指标包括学生化残差、hat leverage、Cook's distance、DFFITS 和 DFBETAS。阈值如 Cook's D 大于 4/N 或 leverage 大于 2p/N 只是筛查启发，不是自动删除许可。样本量、参数数目、重复测量与设计权重都会影响阈值含义。应同时查看影响点对应的真实案例、模型形式、非线性和异方差，而不是只留一张红点图。

当前 ChatSRS 输出的真实边界

普通 regression 当前 Markdown 会输出 B、标准误、标准化 Beta、t、p、VIF、容忍度、R²、调整 R²、F、Durbin-Watson 和 N。它不直接输出残差图、学生化残差、杠杆值、Cook 距离、DFFITS 或 DFBETAS。因此，不能引用这张回归表声称“已完成影响点诊断”。

robustness_test 当前输出四列线性回归规格：基准 OLS、HC1 稳健标准误、对 Y 与 X 做 1% 缩尾、以及按 Y 的 1.5×IQR 规则排除观测。它会给出核心系数及星号、括号内 t、控制变量、N、R²和调整 R²。这可作为“结果对一个明确异常值规则是否敏感”的规格对照，但 IQR 列只按因变量筛选，不是 Cook 距离或综合影响诊断，也不能自动成为清洗后的主样本。

**硬边界：**当前注册分析器没有直接产生 Cook 距离、leverage 或 DFBETAS。论文若必须给出这些诊断，应使用经过验证的统计工具按同一模型、同一样本另行生成，并保存观测标识与诊断值。不得把 IQR 排除列改名为 Cook 检验，也不得为获得显著性而反复调整阈值。

一句话输入与执行顺序

假设数据含 score、exposure、age、income 和去标识的 case_id，可先提交：

以 score 为因变量、exposure 为核心自变量，控制 age 和 income。运行基准 OLS、HC1、1% 缩尾与按因变量 1.5×IQR 排除的现有 robustness_test；逐列报告核心系数、t、N、R²和调整 R²。明确 IQR 结果只是敏感性规格，当前输出不含 Cook 距离、杠杆值或 DFBETAS，不得自动删除任何案例。

然后在验证工具中拟合完全相同的模型，导出每条记录的学生化残差、hat value、Cook's D、DFFITS 与每个核心系数的 DFBETAS。诊断文件使用去标识 case_id，不要上传姓名、学号、手机号或病历号。对被标记观测逐条回到数据字典和原始采集记录，分类为确认错误、真实极端、设计特殊或无法判断。

输出如何解释才不“追显著”

假设基准系数 B=0.31，HC1 后仍为 0.31，1% 缩尾为 0.27，IQR 排除后为 0.18；N 从 640 降到 611。正确表述是“结论对按 Y 排除尾部观测具有敏感性，点估计下降约 42%，因此主结论需降级并报告两套结果”。错误表述是“删除异常值后仍显著，所以模型稳健”，尤其不能隐去 N 的变化和阈值依据。

若 Cook 诊断显示一条记录对核心系数影响很大，但记录真实，应保留在主分析，并报告含与不含该点的敏感性结果。若它暴露出模型遗漏非线性，可考虑预先有理论依据的变换、分段或广义模型；这不是删点的理由。若多条高影响观测来自同一中心或年份，则问题可能是聚类、固定效应或采样设计，而不是单个异常值。

敏感性规则应在查看结论前确定。可以使用“确认录入错误才更正”“真实观测保留为主分析”“另报预设阈值下的对照”“方向改变或点估计变化超过 20% 时降低措辞”等规则。阈值不是普遍真理，但事前透明规则能避免结果导向的选择。

返修信模板

感谢审稿人提醒我们检验异常观测的影响。修订稿先依据数据字典复核了所有被标记记录，
未以统计显著性作为删除条件。主分析保留全部真实观测；另以事前说明的[诊断/阈值]
生成敏感性结果。ChatSRS robustness_test用于比较基准、HC1、1%缩尾和Y的IQR排除，
其中IQR列不被表述为Cook距离诊断。Cook's D、leverage和DFBETAS由[验证工具]
按同一模型导出。含/不含影响点的核心估计为[ ]/[ ]，N为[ ]/[ ]。
由于[方向/数量级/区间]发生[变化情况]，我们将结论修改为[ ]，并公开剩余限制。

报告最少应保留的证据

证据包应包括原始变量的范围核查、异常编码清单、所有修正的原因与时间、诊断算法与版本、阈值依据、被标记案例的去标识列表、含与不含观测的同规格结果，以及任何变换的理论依据。不能只保存一张最终“干净数据”表，否则审稿人无法判断清洗是否受结果影响。

还要检查分类变量被错误当连续、严重偏态结局使用普通 OLS、重复观测被当独立、组内极端点被全局规则遗漏等问题。HC1 只调整标准误，不修复函数形式；缩尾改变数值但保留记录；删除改变目标总体。三者解决的问题不同，不能互相替代。

常见问题 FAQ

Q1：Cook's D 超过 4/N 就必须删除吗？

不必须。它是筛查提示，应结合记录真实性、杠杆、残差、DFBETAS 和研究设计判断。

Q2：当前 ChatSRS 的 IQR 列等于 Cook 距离检验吗？

不等于。该列按因变量的 1.5×IQR 规则形成敏感性样本，不计算 Cook 距离。

Q3：删点后结果更显著，可以把删点结果作为主分析吗？

不可以把显著性当删除依据。只有确认错误或事前设计规则支持时才可改变主样本，并完整报告影响。

Q4：用了稳健标准误就不用查影响点了吗？

仍要查。HC1 改变方差估计，不会消除高杠杆点对系数和模型形式的影响。