如果说Minitab是武功，那统计学和数学基础就是心法。

光练武功不行，就像PPT,EXCEL 各种制图软件每个选项的功能都知道了，但你作出漂亮的报表，作出优美的作品吗？

Minitab每个步骤都知道怎么操作了？

但分析出来结果了，你知道要看哪些信息吗？这些信息含义是什么吗？这些信息代表的含义是什么吗？为什么要看这些信息吗？

所以光学武功，或者光学心法都不行。

这就让我想起当时大学学计算机各种课程，什么计算机结构，网络，算法与结构，数据库，写了几年C语言。

最后还是啥都干不了，最后连一个网页也做不了。

但最近几年有学了很多编程语言，但又觉得这些基础（心法反而更重要）！

所以内外双修，才可以称霸天下。这和练武功真的是一模一样的道理。

我们说回以上问题：

问：向前选择是什么意思？

它是从模型中没有自变量开始，然后按下面步骤选择自变量来拟合模型。

第一步：对k个自变量(x1,x2,,,,,xk)分别拟合与因变量y的一元线性回归模型，一共就有K个。

然后找出F统计量的值最大的模型和x, 将其引入模型。

第二步：在已经引入模型的xi 基础上，再分别拟合引入模型外的k-1个自变量（x1,,,,,xi-1,xi+1,,,,,xk）的线性回归模型。

则自变量组合为xi+x1,,,,xi+xi-1,xi+xi+1,,,xi+xk 的k-1个线性回归模型

然后分别考察这k-1个线性模型，挑选出F统计量的值最大的含有两个自变量的模型，将F统计量的值最大的那个自变量xj引入模型。

如果除xi以外的K-1个自变量中没有一个是统计上显著的，则运算停止。

如此反复，直到模型外的自变量均无统计显著性为止。

向前选择变量的方法是不停地向模型中增加自变量，直到增加自变量不能导致SSE显著增加（这个过程通过F检验来完成）。