如果說Minitab是武功，那統(tǒng)計學(xué)和數(shù)學(xué)基礎(chǔ)就是心法。

光練武功不行，就像PPT,EXCEL 各種制圖軟件每個選項的功能都知道了，但你作出漂亮的報表，作出優(yōu)美的作品嗎？

Minitab每個步驟都知道怎么操作了？

但分析出來結(jié)果了，你知道要看哪些信息嗎？這些信息含義是什么嗎？這些信息代表的含義是什么嗎？為什么要看這些信息嗎？

所以光學(xué)武功，或者光學(xué)心法都不行。

這就讓我想起當時大學(xué)學(xué)計算機各種課程，什么計算機結(jié)構(gòu)，網(wǎng)絡(luò)，算法與結(jié)構(gòu)，數(shù)據(jù)庫，寫了幾年C語言。

最后還是啥都干不了，最后連一個網(wǎng)頁也做不了。

但最近幾年有學(xué)了很多編程語言，但又覺得這些基礎(chǔ)（心法反而更重要）！

所以內(nèi)外雙修，才可以稱霸天下。這和練武功真的是一模一樣的道理。

我們說回以上問題：

問：向前選擇是什么意思？

它是從模型中沒有自變量開始，然后按下面步驟選擇自變量來擬合模型。

第一步：對k個自變量(x1,x2,,,,,xk)分別擬合與因變量y的一元線性回歸模型，一共就有K個。

然后找出F統(tǒng)計量的值最大的模型和x, 將其引入模型。

第二步：在已經(jīng)引入模型的xi 基礎(chǔ)上，再分別擬合引入模型外的k-1個自變量（x1,,,,,xi-1,xi+1,,,,,xk）的線性回歸模型。

則自變量組合為xi+x1,,,,xi+xi-1,xi+xi+1,,,xi+xk 的k-1個線性回歸模型

然后分別考察這k-1個線性模型，挑選出F統(tǒng)計量的值最大的含有兩個自變量的模型，將F統(tǒng)計量的值最大的那個自變量xj引入模型。

如果除xi以外的K-1個自變量中沒有一個是統(tǒng)計上顯著的，則運算停止。

如此反復(fù)，直到模型外的自變量均無統(tǒng)計顯著性為止。

向前選擇變量的方法是不停地向模型中增加自變量，直到增加自變量不能導(dǎo)致SSE顯著增加（這個過程通過F檢驗來完成）。