1、分别用前进法和后推法 回归结果如下
. stepwise reg y x1-x5,pe(0.05)
                      begin with empty model
p = 0.0000 <  0.0500  adding   x1
p = 0.0000 <  0.0500  adding   x2

      Source |       SS       df       MS              Number of obs =      14
-------------+------------------------------           F(  2,    11) =  997.41
       Model |  48033207.2     2  24016603.6           Prob > F      =  0.0000
    Residual |  264869.664    11  24079.0604           R-squared     =  0.9945
-------------+------------------------------           Adj R-squared =  0.9935
       Total |  48298076.8    13  3715236.68           Root MSE      =  155.17

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
          x1 |   .0409783   .0026847    15.26   0.000     .0350693    .0468874
          x2 |   5.142659    .670864     7.67   0.000     3.666098    6.619221
       _cons |  -3489.548   265.1268   -13.16   0.000    -4073.088   -2906.008
------------------------------------------------------------------------------
. stepwise reg y x1-x5,pr(0.05)
                      begin with full model
p = 0.3436 >= 0.0500  removing x4
p = 0.1334 >= 0.0500  removing x5
p = 0.0766 >= 0.0500  removing x3

      Source |       SS       df       MS              Number of obs =      14
-------------+------------------------------           F(  2,    11) =  997.41
       Model |  48033207.2     2  24016603.6           Prob > F      =  0.0000
    Residual |  264869.664    11  24079.0604           R-squared     =  0.9945
-------------+------------------------------           Adj R-squared =  0.9935
       Total |  48298076.8    13  3715236.68           Root MSE      =  155.17

------------------------------------------------------------------------------
           y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
          x1 |   .0409783   .0026847    15.26   0.000     .0350693    .0468874
          x2 |   5.142659    .670864     7.67   0.000     3.666098    6.619221
       _cons |  -3489.548   265.1268   -13.16   0.000    -4073.088   -2906.008
------------------------------------------------------------------------------
2、根据以上，两种方法结果，最终模型都是要删除 x3,x4,x5 解释变量吗？