在多重線型迴歸分析中，當模型已被適當建立時，為精簡的理由而選擇重要獨立變數
是項極重要的工作，但在選擇的過程中，又因互相衝突的目的或要求，所以在取捨之
間有多種不同的標準或準則來選取較具有代表性之變數子集。而在傳統選擇最佳變數
子集的方法中，尤其以逐步迴歸法最被廣泛使用，但是其缺乏一些統計理論上的支持
，所以容易被一般使用者所誤用。而本文的重點即在研究逐步迴歸法法中比較統計量
的分配有關性質以及如何較簡化且合理的決定臨界值，以使選擇變數的檢定過程更具
有代表性。
本文所提的修改臨界值的計算牽涉雙重無心F 分配的情形，所以在計算累積分配或百
分位點時，需利用近似公式（見於26～29頁）在第三章中，舉出三個例子，以說明此
修改臨界值方法的應用。
我們可由兩個方向來看：因為所有已發展出的統計程式，其臨界值皆必須固定取值
，始可進行。所以我們可將所有可能選擇過程的臨界值中，找其最小值以作為統計程
式方固定取捨標準在選擇變數的每一步驟，皆依當時變數選入和欲選入的不同組合
而變動其臨界值，後面附錄1 之程式就在作此項工作，並且三個例子的資料經過程式
1 所得的最佳變數子集結果分別列在附錄3 ，5 ，7。
最後在第36頁，列了一個表，以作為所舉三組資料分別執行BMDP和上面所提的兩個方
向之後，所各別得到的最佳變數子集結果，作個比較。