逐步迴歸分析（Stepwise Regression Analysis）是一種用於建立最優迴歸方程的統計方法。它的目的是在迴歸方程中只包含對因變量有顯著影響的自變量，而排除那些影響不顯著的變量。逐步迴歸的過程包括：
自變量的引入：按照自變量對因變量的影響程度，從影響最大的變量開始，逐個引入迴歸方程。如果變量的偏迴歸平方和顯著，即對因變量有重要影響，則保留在方程中。
自變量的剔除：在引入新的自變量後，已經存在於方程中的變量可能會變得不再顯著。此時，需要從方程中剔除這些不再顯著的變量，以保證所有保留的變量都是對因變量有重要影響的。
F檢驗：在每一步引入或剔除變量時，都要進行F檢驗，以確保方程中只包含顯著變量，不包含不顯著的變量。
終止條件：逐步迴歸過程會持續進行，直到沒有新的變量可以引入，且方程中所有變量都是顯著的，或者沒有不顯著的變量可以被剔除時，逐步迴歸分析過程結束。
逐步迴歸分析可以幫助研究者從大量候選變量中自動選擇出對因變量有顯著影響的變量，建立一箇既簡潔又有效的迴歸模型。這種方法在實際應用時需要與研究者的研究假設相聯繫，並且可以通過統計軟件中的迴歸分析模塊來執行復雜的運算過程。