异常点在统计研究中扮演着重要的作用，大量的理论和方法被发展出来研究这些现象．虽然在早期的统计研究中异常点分析就被很多文献考虑过，但是在时间序列分析领域内最早引入异常点是在七十年代．Fox(1972)提出了两个类型的异常点，分别被命名为Ⅰ型和Ⅱ型异常点．这两种异常点随后被命名为加性异常点(Additive Outlier)和新息异常点(Innovation Outlier)，以下简记为AO和IO．在Fox之后，发表了很多处理时间序列中异常点的文章，其中Tsay(1988)，Chen和Liu(1993a，b)被认为是这方面的标准文献．时间序列数据常常来源于自然环境中，这使得数据获取过程是不受控制的，从而，许多因素会影响数据，进而产生异常点．这些异常点发生地十分频繁，同时会对统计推断造成十分严重的干扰，故异常点分析在时间序列研究中变成了一种例行的“手续”．所以研究这类现象具有十分重要的理论和现实意义． 本文的目的是讨论施加在ARMA序列上的微小扰动对其对数似然函数的局部影响效应，并且给出了基于新息算法(innovation algorithm)的局部影响分析的递归算法．本文包括以下内容：第一章简单介绍了本文的写作动机、目的并且简要回顾了该领域中的工作．第二章研究了基于预测误差的一般算法，第三章使用一些具体例子演示我们的方法，第四章给出了模拟结果，第五章使用我们的方法分析一组实际数据，最后第六章对全文做出总结．