文章插图
逐步回归逐步回归的基本思想是将变数逐个引入模型，每引入一个解释变数后都要进行F检验，并对已经选入的解释变数逐个进行t检验，当原来引入的解释变数由于后面解释变数的引入变得不再显着时，则将其删除 。以确保每次引入新的变数之前回归方程中只包含显着性变数 。这是一个反覆的过程，直到既没有显着的解释变数选入回归方程，也没有不显着的解释变数从回归方程中剔除为止 。以保证最后所得到的解释变数集是最优的 。
【逐步回归】依据上述思想，可利用逐步回归筛选并剔除引起多重共线性的变数，其具体步骤如下：先用被解释变数对每一个所考虑的解释变数做简单回归，然后以对被解释变数贡献最大的解释变数所对应的回归方程为基础，再逐步引入其余解释变数 。经过逐步回归，使得最后保留在模型中的解释变数既是重要的，又没有严重多重共线性 。
基本介绍中文名：逐步回归
外文名：stepwise regression
效应不显着：停止引入新自变数
需要：进行F检验
简介逐步回归是一种线性回归模型自变数选择方法，其基本思想是将变数一个一个引入，引入的条件是其偏回归平方和经验是显着的 。同时，每引入一个新变数后，对已入选回归模型的老变数逐个进行检验，将经检验认为不显着的变数删除，以保证所得自变数子集中每一个变数都是显着的 。此过程经过若干步直到不能再引入新变数为止 。这时回归模型中所有变数对因变数都是显着的 。逐步型选元法逐步回归法选择变数的过程包含两个基本步骤：一是从回归模型中剔出经检验不显着的变数，二是引入新变数到回归模型中，常用的逐步型选元法有向前法和向后法 。向前法：向前法的思想是变数由少到多，每次增加一个，直至没有可引入的变数为止 。具体步骤如下 。步骤1:对 p 个回归自变数
文章插图
分别同因变数 Y 建立一元回归模型
文章插图
计算变数
文章插图
，相应的回归係数的 F 检验统计量的值，记为
文章插图
,取其中的最大值
文章插图
，即
文章插图
对给定的显着性水平
文章插图
，记相应的临界值为
文章插图
，
文章插图
，则将
文章插图
引入回归模型，记
文章插图
为选入变数指标集合 。步骤2:建立因变数 Y 与自变数子集
文章插图
的二元回归模型（即此回归模型的回归元为二元的），共有
文章插图
个 。计算变数的回归係数 F 检验的统计量值，记为
