當所研究的問題涉及較多的自變量時，我們很難想象事先選定的全部自變量對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立的。換句話說，在建立多元線性回歸方程時，需要根據(jù)各自變量對因變量的貢獻大小進行變量篩選，剔除那些貢獻小和與其他自變量有密切關(guān)系的自變量、發(fā)現(xiàn)那些對回歸方程有很壞影響的觀測點（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入模型，并根據(jù)該變量在模型中的Ⅱ型離差平和(SS2)計算F統(tǒng)計量及P值。當P小于SLENTRY(程序中規(guī)定的選變量進入方程的顯著性水平)則該變量入選，否則不能入選；當模型中變量少時某變量不符合入選標準，但隨著模型中變量逐次增多時,該變量就可能符合入選標準；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，計算留在模型中的各個變量所產(chǎn)生的F統(tǒng)計量和P值，當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)計量按SLENTRY水平?jīng)Q定該變量是否入選；當模型選入變量 后，又像向后消去法那樣，根據(jù)F統(tǒng)計量按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對應(yīng)的因變量的估計值y^，反過來檢驗所測得的Y是否可靠。方差膨脹因子和殘差分析是回歸診斷的兩個重要任務(wù)。