當(dāng)所研究的問題涉及較多的自變量時(shí)，我們很難想象事先選定的全部自變量對(duì)因變量的影響都有顯著性意義；也不敢保證全部自變量之間是相互獨(dú)立的。換句話說，在建立多元線性回歸方程時(shí)，需要根據(jù)各自變量對(duì)因變量的貢獻(xiàn)大小進(jìn)行變量篩選，剔除那些貢獻(xiàn)小和與其他自變量有密切關(guān)系的自變量、發(fā)現(xiàn)那些對(duì)回歸方程有很壞影響的觀測(cè)點(diǎn)（這些都是回歸診斷的重要內(nèi)容），從而求出精練的、穩(wěn)定的回歸方程。

1、向前選擇法(FORWARD)

模型中變量從無到有依次選一變量進(jìn)入模型，并根據(jù)該變量在模型中的Ⅱ型離差平和(SS2)計(jì)算F統(tǒng)計(jì)量及P值。當(dāng)P小于SLENTRY(程序中規(guī)定的選變量進(jìn)入方程的顯著性水平)則該變量入選，否則不能入選；當(dāng)模型中變量少時(shí)某變量不符合入選標(biāo)準(zhǔn)，但隨著模型中變量逐次增多時(shí),該變量就可能符合入選標(biāo)準(zhǔn)；這樣直到?jīng)]有變量可入選為止。

2、向后剔除法(BACKWARD)

從模型語句中所包含的全部變量開始，計(jì)算留在模型中的各個(gè)變量所產(chǎn)生的F統(tǒng)計(jì)量和P值，當(dāng)P小于SLSTAY(程序中規(guī)定的從方程中剔除變量的顯著性 水平)則將此變量保留在方程中，否則，從最大的P值所對(duì)應(yīng)的自變量開始逐一剔除，直到模型中沒有變量可以剔除時(shí)為止。

3、逐步篩選法(STEPWISE)

此法是向前選擇法和向后剔除法的結(jié)合。模型中的變量從無到有像向前選擇法那樣，根據(jù)F統(tǒng)計(jì)量按SLENTRY水平?jīng)Q定該變量是否入選；當(dāng)模型選入變量 后，又像向后消去法那樣，根據(jù)F統(tǒng)計(jì)量按SLSTAY水平剔除各不顯著的變量，依次類推。這樣直到?jīng)]有變量可入選，也沒有變量可剔除或入選變量就是剛剔除 的變量，則停止逐步篩選過程。

4、回歸診斷方法

檢驗(yàn)所選模型中的各變量之間共線性(即某些自變量之間有線性關(guān)系)情況；根據(jù)模型推算出與自變量取各樣本值時(shí)對(duì)應(yīng)的因變量的估計(jì)值y^，反過來檢驗(yàn)所測(cè)得的Y是否可靠。方差膨脹因子和殘差分析是回歸診斷的兩個(gè)重要任務(wù)。