Der adjustierte vorhergesagt Wert dient der Messung des Einflusses eines spezifischen Datenpunktes auf die Modellvorhersage.
Stell dir vor, innerhalb eines Modells wird ein Wert für die Outcome-Variable des Modells vorhergesagt. Dies geschieht zweimal: Einmal mit (ursprünglicher vorhergesagter Wert) und einmal ohne den zu untersuchenden Datenpunkt (adjustierter vorhergesagter Wert).
Die skalierte Differenz aus den zwei vorhergesagten Werten der Outcomevariable nennt man DFFit. Je größer DFFit ist, desto größer ist der Einfluss des untersuchten Datenpunktes und desto instabiler, also durch Einzelfälle beeinflussbarer, ist das Modell. Je stabiler ein Modell ist, desto besser ist es.
Der adjustierte vorhergesagt Wert findet im Rahmen der linearen Regression Anwendung.