多重回归分析包括了多个变量，多个变量之间往往存在关系，因此在应用多重回归分析进行预测时，自变量纳入回归方程式的组合有不同的方式。另外，在多重线性回归方程中，有些自变量的偏回归系数显著，也有些自变量的偏回归系数不显著。这意味着凭经验选取的自变量中有的在回归方程中作用显著，有的却无足轻重，而最优的回归方程，应该方程显著且每个自变量的偏回归系数都显著。因此，为了建立最优的回归方程，需要对自变量进行选择，作用不显著的自变量不必进入回归方程。一般选择自变量，建立最优回归方程的方法有如下几种。
（一）最优方程选择法
（二）同时多重回归法
同时多重回归法（simultaneous multiple regression）是将所有的预测变量同时纳入回归方程中估计因变量。此时，整个回归分析仅保留一个包括全体预测变量的回归方程式。同时回归分析法又区分为强制进入法和强制淘汰法两种。
强制进入法是在某一显著水平下，不考虑预测变量间的关系，把对因变量具有解释力的所有预测变量纳入回归方程式，计算所有变量的回归系数。
强制淘汰法的原理与强迫进入法相反，是在某一显著水平下，不考虑预测变量间的关系，将对因变量没有解释力的所有预测变量，一次性全部排除在回归方程式之外，再计算保留在回归方程式中的所有预测变量的回归系数。
（三）逐步多重回归法
逐步多重回归法（stepwise multiple regression）是依据预测变量解释力的大小，逐步检查每一个预测变量对因变量的影响。它不像同时回归分析法那样，同时用所有预测变量来进行预测。根据预测变量的选取顺序，逐步回归分析法又分为向前法（forward）、向后法（backward）和逐步法（stepwise）三种。