回歸是一種統計方法，可讓我們了解自變量和因變量之間的關係。
逐步回歸是回歸分析中一種篩選變量的過程，我們可以使用逐步回歸從一組候選變量中構建回歸模型，讓系統自動識別出有影響的變量。
理論說明
逐步回歸，是通過逐步將自變量輸入模型，如果模型具統計學意義，並將其納入在回歸模型中。同時移出不具有統計學意義的變量。最終得到一個自動擬合的回歸模型。其本質上還是線性回歸。
一、研究背景
研究人員針對血壓與年齡，體重，體表面積，持續時間，脈搏率、壓力水平之間是否存在關係進行研究。
二、操作步驟
首先，可以分別對變量做相關分析或散點圖，初步了解各自變量X與因變量Y的關係。
登錄SPSSAU，選擇【通用方法】--【相關】或【可視化】--【散點圖】。
相關分析
從相關分析結果看，年齡、體重、體表面積、脈搏頻率與血壓有顯著的正相關關係。
然後，再利用逐步回歸進行分析。選擇【進階方法】--【逐步回歸】。
進階方法-逐步回歸
逐步回歸
逐步回歸
逐步回歸分析僅在回歸分析的基礎上，加入了一項功能，即自動化移除掉不顯著的X，通常逐步回歸分析用於探索研究中。
指標說明
在分析時，可首先對模型情況進行分析，然後分析X的顯著性，並判斷X對Y的影響關係大小及方向。
根據回歸結果顯示，最終模型共包含年齡、體重、體表面積共3個自變量。R方值為0.995，意味著年齡,體重,體表面積可以解釋血壓的99.5%變化原因，說明模型構建較好。
最終具體分析可知：
年齡的回歸係數值為0.702(t=15.961，p=0.000<0.01)，意味著年齡會對血壓產生顯著的正向影響關係。
體重的回歸係數值為0.906(t=18.490，p=0.000<0.01)，意味著體重會對血壓產生顯著的正向影響關係。
體表面積的回歸係數值為4.627(t=3.042，p=0.008<0.01)，意味著體表面積會對血壓產生顯著的正向影響關係。
總結分析可知：年齡, 體重, 體表面積會對血壓產生顯著的正向影響關係。
三、其他說明
逐步回歸雖然是很好的選擇自變量的方法，但同時這種方法也存在一些缺陷：
首先，該方法按一定順序添加或刪除變量，所以最終會得到由該順序確定的自變量組合，由系統自動判斷哪些變量應該保留，哪些需要移除，可能會出現核心研究變量被移除的情況。
其次，如果逐步回歸結果會收到樣本量的影響，一般需要適當的大樣本才能獲得較為可靠的分析結果。