「モデルのあてはめ」プラットフォームの［ステップワイズ法］では、ステップワイズ回帰を実行できます。この手法では、他の手法と同じように最小2乗法や最尤法でモデルを推定しますが、他の手法と異なりモデルの変数選択を行えます。
変数選択には、変数増加、変数減少、変数増減を使用できます。［ステップワイズ法］には、これらの変数選択の手法に対応するオプションがあり、変数のすべての組み合わせを試すこともできます。一般に、変数選択の結果は、どのような順番で変数が追加や削除されていくか、変数間の多重共線性がどのようになっているか、反復処理の各ステップにおいて変数を追加・削除するための仮説検定がどのように相関しているかによって、影響を受けます。ステップワイズ法においては、あらかじめ決められた変数ではなく、取捨選択した変数に対して検定が行われます。そのため、検定の有意水準は通常の統計的仮定を満たしません。あらゆるモデルにおいて、その妥当性と価値は、モデルの用途に依存します。予測用のモデルの場合は、独立したデータセットで検証する必要があります。また、モデルから得られた因子の設定は、幅広く適用する前に、テストする必要があります。『Subset Selection in Regression』（Miller 1990）は、モデルの選択における統計的な意味を説明しています。
メモ: この章では、p値（p-value）という言葉を形式的な意味で使っています。その計算方法は、説明変数が固定されているモデルでは妥当なものです。