一般線型迴歸模式為Y＝Xβ＋ε……ぇX＝〔1，X，……，Xp）為n×（P＋1）之（ P ＋1）階已知常數，β′＝（β0，β1，……，βp）為 1×（P＋1）之未知參數向量 ，ε∼N（0，σ02In），In為n×n之單位矩陣，Y′＝（Y1，Y2，……，Yn）為1× n 之應變數；當具有P 個自變數之模式ぇ被認為是適當的模型後，通常為了「精簡」的 目的，而選出r 個最重要自變數，使預測效果仍然良好。過去已有幾種方法處理變數 選擇之問題，尤以逐步迴歸法最為廣泛使用，但由於其缺乏統計理論之根據，使應用 者不知在選擇程序完成後選到重要變數有多大的把握；本文介紹另一種方法，稱為最 適迴歸選擇法（optimal regression procedure）（Gupta，Huang＆Chang 1983）在 控制第一型誤差後，選出之每一子集都有最保守之檢定力；並以實例用二法選擇變數 ，做比較分析。 本論文第一章緒論，說明研究動機、目的。第二章對線型迴歸變數選擇之各種主要方 法做一系統的檢閱，包括逐步迴歸法之應用及有關批評，最適迴歸法之介紹及其他方 法之理論及應用說明，並加以綜合比較各法之優缺點。第三章為實證分析，首先為適 當模型之建立，並利用逐步迴歸法和最適迴歸法來進行子集選擇，並比較分析。第四 章為結論及建議。