该模型应由主题专业知识制定。使用数据告诉您使用哪些数据并不是一个好主意。数据信息不够丰富，无法可靠地做到这一点。如果每个变量有太多事件（一个经验法则是模型中每个参数至少有 15 个受试者），强烈考虑对数据缩减方法视而不见$Y$. 这些包括主成分、变量聚类和冗余分析。示例在我的课程笔记中，网址为http://biostat.mc.vanderbilt.edu/CourseBios330。

有很多方法可用于变量选择。LASSO 是更好的数据驱动变量选择模型之一。不要，无论你做什么，逐步使用前进。你会很高兴你没有：

http://www.nesug.org/proceedings/nesug07/sa/sa07.pdf

不要让分析驱动理论可能很重要。哪些变量是最好的预测变量，应该基于以前的研究，或者至少基于主题专家意见的共识。一些决定将取决于您的样本量有多大。如果大小足够大，您可以选取一个子组并检查自变量和因变量之间的关联。当您运行多元回归时，您确实冒着在分析的每个步骤中出错的风险，因此重要的是不要只将您拥有的所有东西都投入到回归中。如果您能够使用子组，则可以验证您认为您在不同组中找到的内容以进行确认。你能告诉我们更多关于你的样品的信息吗？

在进行回归分析时，检查自变量之间的相关性有助于避免多重共线性问题。如果您有多个高度相关的 IV，这可能表明不同的 IV 解释了因变量或结果中相同的方差部分，这可能会使估计的相关系数产生偏差。这个问题的一个迹象是你可以有一个非常高的 R^2 值，而有效的 IV 非常少。换句话说，在回归模型中具有高度相关的 IV 可以掩盖它们与 DV 的实际关系。多重共线性问题有几种补救方法，例如排除一个（或多个）相关的 IV，组合 IV（加法方法）。获取和检查每个预测变量的方差膨胀因子 (VIF) 值很有用，

在构建回归模型时，在运行包含所有相关 IV 的回归模型后，可以从模型中排除不显着的 IV，但关于是否从分析中排除变量的决定通常不基于相关矩阵。