在宏观经济统计数据中，无论是时间序列数据，还是面板数据，异常值和影响点的出现是十分频繁的。出现这种情况的原因有很多，其中，主要有以下两个原因：1、模型选择不当；2、经济或金融现象出现了某些异常特征。所以，为了对经济进行准确的研究分析及预测，对异常值和影响点的识别及诊断在理论和实际应用中具有非常重要的作用。　　 本研究采用时间序列模型和线性回归模型来研究中国GDP数据的异常值和影响点，并进行识别和稳健处理，进而得到比较合理的计量模型。具体来讲，本文以中国1952年-2010年的GDP数据为样本数据资料，首先采用ARIMA模型进行拟合分析及异常值和影响点诊断，采用样本分位数法对异常值和影响点进行识别，然后采用加权的方法，对出现异常值和影响点的年份对应的GDP数据进行加权，再次对加权后的数据用ARIMA模型进行拟合分析；然后以国民生产总值G2P，全社会固定资产投资K和就业人员数量L为样本数据资料，进行线性模型的回归分析，运用异常值和影响点的诊断统计量，如残差，马氏距离，Cook距离和杠杆值等对异常值和影响点进行识别，采用加权最小二乘法，即WLS方法，进行异常值和影响点的稳健处理及模型拟合分析。通过利用ARIMA模型和线性模型进行拟合分析及异常值和影响点的稳健处理，从而得到比较合理的异常值和影响点的计量模型，并总结出我国GDP数据出现异常值和影响点的原因及特点，最后提出保障、改进我国统计数据质量的对策及建议。不足之处是在对异常值和影响点的识别方面从一定程度上来说具有主观因素，因为对异常值和影响点的判断没有十分准确和可靠的标准，从而对于异常值和影响点的处理没有特别恰当的方法，导致模型的拟合及预测结果多少会有些不精确的因素，这点不太利于最后对宏观经济的诊断分析和预测。