摘要: 在多元线性回归模型的实际应用中，因受分析人员主观判断的影响，初始选取的自变量集合往往会包含过多的变量。本文利用施密特过程提出一种新的变量筛选方法，可以选择对因变量有显著解释作用的自变量，并且将没有解释作用的信息及冗余信息有效地分解出来并排除掉。将该方法应用于森林覆盖率影响因素分析，有效地进行了变量筛选，并得到了解释性很强同时拟合优度较高的模型结果。