在進行邏輯回歸時，我們希望選擇的變量盡可能地有效，避免冗余。常用的變量篩選方法有如下幾種：

① Wald檢驗：通過Wald統(tǒng)計量，來檢驗自變量對因變量的影響能力。Wald越大，說明自變量的相關(guān)性越大，越應(yīng)該保留。

② 似然比檢驗(Likehood Ratio)：也是邏輯回歸非常常用的一種檢驗方法。邏輯回歸模型的估計一般是使用最大似然估計，也就是說找到一個似然函數(shù)L，使其達到最大值。L越大，也就說明模型的預(yù)測效果越好。因此似然比檢驗本質(zhì)上是對包含或者不包含某一個或者幾個變量的模型L值進行比較，從而做出判斷。

③ 比分檢驗(Score Test)：以包含某個或者某幾個變量的模型作為基礎(chǔ)，加入系數(shù)為0的新變量，通過計算似然函數(shù)的一階偏導(dǎo)數(shù)和信息矩陣，取兩者的乘積作為最終的統(tǒng)計量。

這三種方法中，似然比檢驗是最可靠，也是最常用的一種變量篩選方法。在變量存在共線性時，Wald檢驗結(jié)果不可靠。另外，實際應(yīng)用是以上三種方法，都可以采用向前或者向后逐步的方式進行變量篩選。