随着数据挖掘技术在现代商业中的广泛应用，对异常点和强影响点的挖掘成了经济、统计等领域广泛研究的课题。由于数据挖掘和统计诊断是近半个世纪才发展起来的新兴学科，虽然取得了很多研究成果，但仍有许多问题处于探索之中。本文在分析研究国内外有关强影响点的挖掘方法及其研究现状的基础上，从探索性数据分析的角度出发，提出了挖掘强影响点的两个新方法：基于关联分析的离差法和贡献得分降维法。其主要工作和结论如下：·基于关联分析的离差法：利用关联分析方法，计算第k个观测值与中心的偏差系数和偏离系数，并根据它们的内积求离差度，用来判断强影响点。文中，针对几个典型实例，并编写了相应的计算程序，理论分析与计算结果表明：(1)使用该方法判断强影响点与经典方法相比较，结论是一致的。(2)该方法需要的样本容量可以很小，大于3个数据就可进行离差度计算与分析。(3)该方法计算工作量小，算法的时间复杂度为O()。·贡献得分降维法：对变量作主成分分析，计算贡献得分，从而对高维数据降维，剔除数据后并利用K-均值聚类求影响距离，判断强影响点。通过实例的计算分析，结果表明：(1)降维前后，使用影响距离和Cook距离所求得的强影响点是一致的，说明降维是可行的。(2)使用影响距离判断强影响点与经典方法-Cook距离相比较，结论是一致的，说明本文提出的影响距离法也是可行的。(3)通过降维，就可对高维数据的强影响点进行图示。·设计并开发了一个强影响点的挖掘系统。