局部影响分析是近年来研究影响点和异常值识别的主要方法，这一方法得到了广泛应用和发展，但仍然有许多问题有待于进一步完善和发展。项目研究内容包括：（1）利用逐步局部影响分析的思想，研究具有相关结构数据模型中多个成片影响点和异常值的识别问题。主要集中在面板数据模型、GMM 估计、金融计量模型、空间计量模型等。利用逐步识别的思想，解决这些模型中可能出现的 Masking 和 Smearing 效应。（2）研究局部影响分析中扰动模式 选择问题。研究具有较强相关结构数据模型中扰动模式的选择问题。（3）基于局部影响分析思想和广义影响函数的概念，建立一种基于对数据联合扰动具有稳健性的估计理论。.通过项目研究，获得了以下结果（1）利用逐步局部影响分析方法，系统研究了金融时间序列ARIMA模型，GARCH模型，log-linear integer-valued GARCH模型，Poisson Autoregression 模型中的局部影响分析，在国际SCI期刊发表论文4篇；在空间计量模型中，研究了Mixed Regressive-Spatial Autoregressive Models，General Spatial Model中异常值和影响点的识别问题，在国际SCI期刊发表论文3篇。在面板数据模型方面，在GMM估计框架下，研究了面板数据影响点的识别方法，分别给出了数据删除法和局部影响分析的结果，在该领域正式发表论文1篇，完成1篇（已投稿在审）. （2）在具有较强相关结构的金融时间序列模型（ARIMA，GARCH）中，我们提出了一种新的扰动模式，并与现有的扰动模式进行比较，通过模拟研究，证实了所提扰动更有效，在识别具有相关结构数据中的Masking和Smearing效应方面比原有扰动更优越。这些结果在国际SCI期刊发表论文2篇。（3）基于局部影响分析思想和广义影响函数的概念，我们初步获得了一种新的稳健估计方法，目前完成论文1篇。（4）此外在数据挖掘及机器学习，生态统计领域获得了部分结果，在国际SCI期刊发表论文5篇。这些研究结果进一步完善和发展了局部影响分析方法，具有重要的理论和应用价值。.在成果完成情况方面，在国际SCI期刊发表论文14篇，出版专著一部；获得一项云南省哲学社科优秀成果一等奖一项。按预期目标完成了研究任务。