逐步回归是为回归模型选择效应子集的方法。它在以下情况下很有用：
• 用于指导选择模型项的理论很少。
• 您想以交互方式探索哪些预测变量可提供良好的拟合效果。
• 您想减小由于估计不必要的项导致的方差，以此提高模型的预测性能。
对于分类预测变量，您可以执行以下操作：
• 从各种规则中进行选择，以确定相关项如何进入模型。
• 强制效应遗传。
使用“逐步”平台还可以探索所有可能的模型以及执行模型平均。