从调查实践中获取数据，异常值的出现不可避免，而且往往对模型结果产生严重的影响，甚至扭曲事实，为得到正确的估计结果，传统的方法一般对异常值进行探测和剔除。但异常值也蕴含一定的经济、自然或政治等因素，不能视而不见，所以该方法具有局限性。稳健回归可以提供不受异常值影响的无偏估计，但多用在化学、医学、地理等自然科学方面，在经济领域中比较少见。而经济建模中数据起着至关重要的作用，国内外诸多研究机构和学者对中国经济数据的真实性表示质疑。因此，对稳健回归方法进行梳理和研究，选用合适的稳健方法对中国经济数据进行评估具有深远的现实意义和理论意义。　　论文在对稳健回归方法梳理的基础上，采用蒙特卡洛模拟技术对OLS、M（Huber）、M（双权数）、M（Hampel）、GM、MM、LTS和LAV回归的抗异常值干扰能力和异常值诊断能力进行模拟分析，得出GM、MM、LTS稳健回归在这两方面具有相对优势。并将GM、MM、LTS估计应用到中国GDP数据质量评估上，从异常值诊断和TFP增长率的稳健性来评价GDP数据的可靠性，实证表明GDP数据相对可靠。　　文章主要包括三部分：第一部分重点介绍稳健回归和稳健诊断方法，对相关理论进行梳理；第二部分通过模拟不同类型异常值的情况，横向比较 OLS和七种稳健回归的耐抗性和异常值的诊断效率；第三部分结合实际经济案例，一方面用OLS、GM、MM、LTS对GDP进行异常值诊断分析，通过对比稳健诊断能获取更多的信息，另一方面讨论稳健估计对时间序列差分的取代性，结果证实稳健估计在一定程度上可取代差分。　　创新之处在于：在统计诊断模拟中用诊断指标的平均值取代概率性的MSR指标来量化数据的异常程度；稳健估计对时间序列差分的取代性进行尝试，得到在保持数据原有经济意思下用稳健估计取代差分具有实践性；TFP增长率的稳健性一般通过主观判断得知，本文通过单位根检验验证其平稳性；同时运用异常值诊断和TFP逻辑评价标准对GDP数据质量进行评估，并纵向对比分析。