Die Regulierungsbehörde führt für die parametrische Methode und für die nicht-parametrische Methode Analysen zur Identifikation von extremen Effizienzwerten (Ausreißern) durch, die dem Stand der Wissenschaft entsprechen müssen. Ermittelte Ausreißer in dem Sinne, dass sie eine besonders hohe Effizienz aufweisen, werden mit einem Effizienzwert von 100 Prozent festgesetzt. Ausreißer in dem Sinne, dass sie eine besonders niedrige Effizienz aufweisen, erhalten den Mindesteffizienzwert nach § 12 Abs. 4 Satz 1.
Bei der nicht-parametrischen Methode gilt ein Wert dann als Ausreißer, wenn er für einen überwiegenden Teil des Datensatzes als Effizienzmaßstab gelten würde. Zur Ermittlung von Ausreißern sind statistische Tests durchzuführen. Dabei ist die mittlere Effizienz aller Netzbetreiber einschließlich der potenziellen Ausreißer mit der mittleren Effizienz der Netzbetreiber zu vergleichen, die sich bei Ausschluss der potenziellen Ausreißer ergeben würde. Der dabei festgestellte Unterschied ist mit einer Vertrauenswahrscheinlichkeit von mindestens 95 Prozent zu identifizieren. Die auf diese Weise festgestellten Ausreißer sind aus dem Datensatz zu entfernen. Ergänzend ist eine Analyse der Supereffizienzwerte durchzuführen. Dabei sind diejenigen Ausreißer aus dem Datensatz zu entfernen, deren Effizienzwerte den oberen Quartilswert um mehr als den 1,5fachen Quartilsabstand übersteigen. Der Quartilsabstand ist dabei definiert als die Spannweite der zentralen 50 Prozent eines Datensatzes.
Bei der parametrischen Methode gilt ein Wert dann als Ausreißer, wenn er die Lage der ermittelten Regressionsgerade zu einem erheblichen Maß beeinflusst. Zur Ermittlung des erheblichen Einflusses sind statistische Tests durchzuführen, mit denen ein numerischer Wert für den Einfluss zu ermitteln ist. Liegt der ermittelte Wert über einem methodisch angemessenen kritischen Wert, so ist der Ausreißer aus dem Datensatz zu entfernen. Methoden, die zur Anwendung kommen können, sind insbesondere Cooks-Distance, DFBETAS, DFFITS, Covariance-Ratio oder Robuste Regression.