向后剔除法（backward elimination method），理学-统计学-数理统计-预测，一种回归分析中的变量选择程序。在建立回归模型时，首先让所有的自变量进入回归方程之中，然后逐一删除它们，直到方程中的所有解释变量都显著为止。从全模型开始（即初始模型包含所有自变量），根据选定的模型拟合标准，如调整后的、赤池信息准则（AIC准则）、贝叶斯信息准则（BIC准则）、马洛斯Cp准则等，检验剔除每一个自变量对现有模型的拟合影响，然后选择其中影响最不显著的自变量进行剔除（若存在），并重复该过程直到在不显著影响模型拟合的前提下，不再有任何自变量被剔除。