一、先排除模型和录入错误

坐标系不一致、点名错误、角度单位错误或权值数量级错误，会让大量残差同时异常。这类问题不是某一条观测的粗差，删掉最大残差只会让错误转移到下一条。

二、标准化残差比原始残差更便于比较

方向、距离和高差量纲不同，原始残差不能直接横向排序。标准化指标将残差与其统计尺度联系起来，但仍需结合冗余度和项目采用的判别规则解释。

同时禁用多条观测可能破坏网的冗余和连通性，也无法判断哪一条真正导致指标改善。应优先复核最可疑的一条，保留处理理由，然后重新平差。

处理候选观测后，检查单位权中误差、最大标准化残差、点位精度和误差椭圆是否整体改善，并确认网形仍有足够约束。若异常只是转移，应回到模型和权值检查。

残差最大的观测一定是粗差吗？

不一定。弱网形、错误权值、控制点问题或另一条粗差都可能把残差传递到该观测。它只是优先复核对象。

删除观测后单位权中误差变小就说明正确吗？

还要检查自由度、连通性和点位精度。无节制删除观测可能仅仅降低冗余，使统计指标失去比较基础。

iADJUST支持定位可疑观测、暂时禁用并重新平差，便于比较处理前后的真实影响。