请选择您所选的方法或公式。
向前信息标准过程
用于确定要在模型中保留哪些变量的方法。向前信息标准过程在每个步骤中向模型中添加具有最低 p 值的项。如果分析设置允许考虑非分层项，但是要求每个模型都分层，则在步骤 1 中可以向模型中输入其他项。Minitab 为每个步骤计算信息标准。Minitab 对于针对选定的信息标准（AIC 或 BIC）具有最小值的模型显示分析结果。在大多数情况下，该过程一直持续，直到出现以下某种情况为止：
- 该过程在连续 8 个步骤中找不到标准的改进。
- 该过程拟合整个模型。
- 该过程拟合的模型保留 1 个误差自由度。
向前选择过程
确定要在模型中保留哪些项的方法。向前选择法会使用与逐步过程相同的方法向模型添加变量。一旦添加，就永远不会删除变量。当所有候选变量的 p 值均大于入选用 Alpha中指定值时，默认向前选择过程会结束。
向后消元过程
确定要在模型中保留哪些变量的方法。向后消元法以包含所有项的模型开始，然后使用与逐步过程相同的方法一次一个删除这些项。不能将变量重新输入模型。当模型中的变量不包含大于删除用 Alpha中指定值的 p 值时，默认向后消元过程将结束。如果初始模型使用所有的自由度，则向后消元操作不会继续。
逐步法
通过在基于 F 检验的现有模型中添加或删除预测变量，执行变量选择。逐步法是向前选择法与向后消元法程序的组合。如果初始模型使用所有的自由度，则逐步选择操作不会继续。
要删除的变量
Minitab 针对模型中的每个变量计算 F 统计量和 p 值。如果模型包含 j 个变量，那么 F 表示任意变量 xr，公式如下：
表示法
| 项 | 说明 |
|---|---|
| SSE(j – Xr ) | 不包含 xr 的模型的 SS 误差 |
| SSE j | 包含 xr 的模型的 SS 误差 |
| MSE j | 包含 xr 的模型的 MS 误差 |
如果任意变量的 p 值均大于删除用 Alpha中指定的值，则 Minitab 将从模型中删除具有最大 p 值的变量，计算回归方程，显示结果并启动下一步操作。
要添加的变量
如果 Minitab 无法删除一个变量，那么程序就会尝试添加一个变量。Minitab 将针对模型中没有的每个变量计算 F 统计量和 p 值。如果模型包含 j 个变量，那么 F 表示任意变量 xa，公式如下：
表示法
| 项 | 说明 |
|---|---|
| SSE j | 将 xa 添加到模型之前，出现 SS 误差 |
| SSE(j + Xa ) | 将 xa 添加到模型之后，出现 SS 误差 |
 | 变量 Xa 的自由度 |
| MSE(j + Xa ) | 将 xa 添加到模型之后，出现 MS 误差 |
如果对应于任意变量的 F 统计量的 p 值均小于入选用 Alpha中指定的值，则 Minitab 将向模型添加具有最小 p 值的变量，计算回归方程，显示结果，然后转到新步骤。如果不再需要在模型中添加或删除更多变量，则逐步法程序将终止。
