Outlier atau pencilan adalah titik data yang menyimpang jauh dari pola umum sebagian besar data pengamatan lainnya. Dalam regresi linier berganda, pencilan umumnya dibedakan menjadi pencilan pada variabel respon ($Y$) yang memiliki sisaan atau residual sangat besar—dideteksi melalui Studentized Residuals—serta pencilan pada variabel prediktor ($X$) atau titik high leverage yang memiliki nilai variabel bebas sangat ekstrem berdasarkan matriks HAT. Keberadaan outlier dapat disebabkan oleh kesalahan pencatatan, kekeliruan pengukuran, atau kondisi nyata yang ekstrem, sehingga tidak boleh langsung dibuang karena berpotensi menyimpan informasi penting. Oleh karena itu, diperlukan identifikasi yang cermat menggunakan alat bantu seperti Influence Plot dan uji statistik formal seperti Uji Bonferroni guna mengevaluasi dampak data tersebut terhadap kestabilan model regresi.