逐步回归分析法是一种多元线性回归分析方法，它能够有效地求解多元线性回归模型中各自贡献度大小，以及模型中每个变量的回归系数及其统计显著性。它通过将估计函数分为两个简单的候选模型，比较它们的假设效果，来实现变量的选择。 具体来说，逐步回归分析具有下面三个特点： （1）对于模型的建立而言，该方法以全部变量为候选模型，先经过一个次选择，从总模型中排除一些变量，构成一个更简单的模型，然后逐步地调整此模型，使之满足一定条件； （2）该方法利用了变量选择的这一特性，通过重复比较条件，确定最优模型； （3）在模型的评价和选取中，采用的一般是极大似然比（likelihood ratio)、 F比值、斜率比值等统计检验量。 拓展知识：优化目标函数求解的算法通常包括梯度下降法、牛顿法等，它们的原理是通过局部最优解不断逼近全局最优解，最终收敛于全局最优值，从而可以解决多元线性回归模型中最优参数求解问题。