当自变量过多时，选择步进，此方法可以自动剔除对因变量影响小的变量。
选择共线性诊断用于判断多个变量之间是否相互关联以及关联的程度
悲凉的酒窝（Durbin-Watson）DW用来检验回归分析中的残差项是否存在自相关（序列相关）现象
“DEPENDNT”：因变量
“ZPRED”：标准化预测值
“ZRESID”：标准化残差
“DRESID”：删除残差
“ADJPRED”：调节预测值
“SRESID”：学生化残差
“SDRESID”：学生化删除残差
悲凉的酒窝检验简称D-W检验，是目前检验自相关性最常用的方法，但它只使用于检验一阶自相关性。因为自相关系数ρ的值介于-1和1之间，所以 0≤DW≤４并且DW＝O＝＞ρ＝１ 即存在正自相关性DW＝４＜＝＞ρ＝－１ 即存在负自相关性DW＝２＜＝＞ρ＝０ 即不存在（一阶）自相关性 因此，当DW值显著的接近于O或４时，则存在自相关性，而接近于２时，则不存在（一阶）自相关性。一般来说越接近2越好，说明自变量的自相关性越不明显，模型设计的越好。R方表示模型的拟合度，越接近1越好
显著性表示自变量对因变量的影响程度，小于0.05表示有显著影响，越小影响越大
VIF（容差的倒数）用于共线性诊断（变量之间的关联度）：当0<VIF<10，不存在多重共线性；当10≤VIF<100，存在较强的多重共线性；当VIF≥100，存在严重多重共线性。
若散点图呈现规律性如线性或喇叭状、波纹状则说明存在异方差，若存在异方差则不能选择多元线性回归，下图呈现喇叭状
若散点聚集在对角线附近则说明残差符合正态分布
若直方图与正态分布曲线吻合则说明残差符合正态分布
（PS:如果样本足够大就算残差不符合正态分布，也不会影响模型的稳定性）