SPSS提供了6中篩選自變量的方法，向前法（Forward）有三種，即一般統計學書上所說的逐步回歸，這三種向前法選入自變量時均采用比分檢驗，但剔除自變量的標準不同。分別為：條件參數估計似然比檢驗（向前：條件）、最大偏似然估計的似然比檢驗（向前：LR）、Wald卡方檢驗（向前：Wald）。向后法（Backward）也有三種，分別采用上述3種方法之一進行變量的剔除。

篩選自變量的方法：

• 條件參數估計似然比檢驗（向前：條件）
• 最大偏似然估計的似然比檢驗（向前：LR）
• Wald卡方檢驗（向前：Wald）
• 條件參數估計似然比檢驗（向后：條件）
• 最大偏似然估計的似然比檢驗（向后：LR）
• Wald卡方檢驗（向后：Wald）

值得注意的地方：

（1）基于條件參數估計和最大偏似然估計的篩選方法都比較可靠，尤以后者為佳。但基于Walds統計量的檢驗則不然，它實際上未考慮各因素的綜合作用，當因素間存在共線性時，結果不可靠，故應當慎用。參數的可信區間也是基于Walds統計量計算的，故也慎用。

（2）還需要注意的是，逐步回歸所獲得的結果是保證此時獲得的模型最大似然函數值最大，但并不能保證此時的模型其預測精度最高。最終模型的選擇仍需要獲得專業理論的支持。

（3）事實上，在統計之上，另一個更重要的準則是專業意義，比如種族、吸煙在統計學上沒有意義，但如果在專業上認為種族、吸煙確實有作用，也可以將其強行納入模型。也就是說，判斷一個變量是否可納入模型的標準由弱至強依次應當是：單自變量分析、多自變量分析、專業判斷。