线性模型是很重要的一类统计模型,可以应用到生物、医学、经济、管理、气象等很多领域。在对线性模型的研究与应用中,我们需要考察线性模型假设条件的合理性及数据对统计推断影响的大小,这就是“统计诊断”。本文主要围绕线性回归数据删除模型的统计诊断和影响分析进行讨论,并结合线性模型中应用广泛的有偏估计——岭型主成分估计来讨论影响分析的相关理论,在总结前人工作的基础上,进行了推广与应用,得到一系列的结果。　　论文第三章,针对线性回归删除单个点模型的影响分析,一方面利用离差度量思想提出一种新的度量方法,修正了前人在度量强影响点的不完善之处;另一方面根据马氏距离的思想定义一种新的马氏广义距离判别方法,并给出理论证明和实际数据检验。　　论文第四章,针对数据删除模型有偏估计下的影响分析提出了岭型主成分估计,并对数据删除模型的强影响问题作了进一步的研究,最后利用W?K统计量的思想提出了两种新的度量方法并通过实例验证了此度量方法的可行性。　　论文第五章,基于删除多个数据点的线性回归模型提出了一种新的杠杆度量矩阵,该度量具有良好的性质及鲜明的几何意义与统计意义,通过对其对角元的研究,得到了高杠杆点的性质,并推广了删除单个数据点的高杠杆点度量的回归模型。最后在岭估计的基础上进一步研究了影响度量矩阵和高杠点度量,并给出了理论证明和实际数据检验。