向前回归预测法

向前回归预测法（forward regression），管理学-管理科学与工程-预测理论与方法-相关分析预测法-海量数据预测法-向前回归预测法，因变量将重要的解释变量从无到有、从少到多逐个纳入模型中的预测方法。在选择新变量进入模型时，需要用因变量对每一个解释变量做单变量的线性回归，找出回归平方和最大的解释性变量，并对其做检验，如果该变量显著，则认为这是一个重要的解释性变量，该变量将会被引入模型中。在进行向前回归时，每次保证所选取的新变量都是有意义的（值小于某个阈值）。值得注意的是，向前回归也存在一定的局限性，一个重要的局限在于后续变量的引入可能会使先进入模型的解释性变量变得不重要。因此一个更合理的向前回归的做法为每次选择新变量进入模型时，首先用新变量对模型中已有变量进行回归分析，用回归分析的残差作为更新的解释变量来考虑是否把其放入模型中。如果更新的解释变量（原有的解释变量去除了模型中已有变量的影响）依然是显著的，并且回归平方和最大，则认为原有的解释变量是显著的，应把这个变量放入模型中。这样做的向前回归一定程度上避免了变量的多重共线性。