变量选择

向前步进法以不包含任何预测变量的模型开头。在每个步骤中，将显着性值小于指定值 (缺省情况下为 0.05) 的最大得分统计量的预测变量添加到模型中。

在最后一步的分析中剩余的变量都具有大于 0.05的显着性值，因此不会添加更多变量。

通过逐步前推法选择的变量-2 对数似然度上应具有显著变化。 -2 对数似然比的变化通常比Wald统计更可靠。如果两者对预测变量是否对模型有用存在分歧，请相信 -2 对数似然比的变化。请参阅回归系数表以获取 Wald 统计。

作为进一步的检查，您可以使用向后步进法来构建模型。向后方法从包含所有预测变量的模型开始。在每个步骤中，将从模型中移除贡献最小的预测变量，直到模型中的所有预测变量都很重要为止。如果这两种方法选择相同的变量，你可以相当自信地认为这是一个好的模型。