Eu tenho a impressão que se você olhar os gráficos de distância de Cook (onde ele coloca os dados em ordem do dataframe e e distância de Cook versus alavancagem (esses gráficos normalmente não são gerados, precisa-se escolhê-los na chamada a plot com which=c(4,6)), você terá um panorama mais fácil de analisar que a tabela gerada por influence.measures().

Lembrando que a marcação tanto na saída de influence.measures() como nos gráficos do que é influente é a convenção do autor do pacote.