【摘要】Cook距离公式常用于回归模型的异常值诊断，但由于公式中的样本方差■对异常值敏感，导致公式缺乏稳健性，使得诊断效果不理想。基于以上问题，文章选取绝对离差中位数作为样本标准差的稳健估计量，得到了样本方差■的稳健估计量，进而构造出稳健Cook距离公式；借鉴传统Cook距离的回归模型异常值诊断理论，将稳健Cook距离公式应用于时间序列异常值诊断，拓展了传统Cook距离公式的异常值诊断领域。通过选取模拟样本量分别为50、100、200，污染率分别为0、1%、5%、10%的ARMA(1,1)序列及金融时间序列进行实例分析，结果发现：（1）在无污染时，稳健Cook距离法与常规Cook距离法的诊断正确率均为100%，两者没有出现“误诊”现象；（2）在样本量、污染率同时增大时，常规Cook距离诊断正确率急剧下降，当污染率达到5%及以上时，已基本无诊断力，而稳健Cook距离法依然能保持较高的诊断力。稳健Cook距离法不仅能应用于时间序列异常值诊断，也能应用于回归分析的异常值诊断。