A presença simultânea dessas três observações com características distintas invalida o uso de mínimos quadrados ordinários, sendo necessário utilizar métodos robustos de estimação, como regressão quantílica ou M-estimadores, para a obtenção de resultados confiáveis.

As três observações são igualmente problemáticas e devem ser removidas do conjunto de dados, pois qualquer observação com resíduo elevado ou alta alavancagem viola os pressupostos do modelo de regressão e compromete a validade das inferências estatísticas.

A i-ésima observação indica heterocedasticidade localizada e deve ser corrigida por meio de ponderação; a j-ésima observação sugere multicolinearidade que envolve essa observação específica; e a k-ésima observação demonstra não linearidade, que requer inclusão de termos polinomiais no modelo.

Como a k-ésima observação apresenta a maior distância de Cook, ela é necessariamente a única observação que deve ser investigada e potencialmente removida, ao passo que as observações i e j podem ser ignoradas na análise, independentemente de seus valores de resíduo ou alavancagem.

A i-ésima observação é um outlier sem influência substancial sobre as estimativas; a j-ésima observação tem potencial de influência devido ao leverage, mas está bem ajustada pelo modelo; e a k-ésima observação é genuinamente influente, pois combina posição extrema no espaço dos regressores com inadequação do ajuste, sendo a mais preocupante para a estabilidade das estimativas dos coeficientes.