逐步回归分析法是将变量逐个引入模型，每引入一个解释变量后都要进行检验，并对已经选入的解释变量逐个进行检验，当原来引入的解释变量由于后面解释变量的引入变得不再显著时，则将其删除。
以确保每次引入新的变量之前回归方程中。
逐步回归是一种线性回归模型自变量选择方法，其基本思想是将变量一个一个引入，引入的条件是其偏回归平方和经验是显著的。
同时，每引入一个新变量后，对已入选回归模型的老变量逐个进行检验，将经检验认为不显著的变量删除，以。
逐步回归的三种方法如下：Forward selection: 首先模型中只有一个单独解释因变量变异最大的自变量，之后尝试将加入另一自变量，看加入后整个模型所能解释的因变量变异是否显著增加（这里需要进行检疫，可以用 F-test， t-test 。
一、基本思想不同 1、强迫回归法是将所有选定的自变量一起放入模型中，直接去计算包含所有自变量的整个模型能够解释多少因变量中的变异，以及各个自变量单独的贡献有多少。
2、 逐步回归法的基本思想是：将变量一个一个引入，。
R语言之逐步回归 逐步回归就是从自变量x中挑选出对y有显著影响的变量，。R语言之逐步回归 逐步回归就是从自变量x中挑选出对y有显著影响的变量，已达到最优 用step()函数 导入数据集 cement<-data.frame(X1=c( 7, 1, 11, 11, 7, 11, 3, 1, 2, 21, 1, 11, 10),X2=c。