向后选择法(backward elimination)也称向后剔除法、向后消元法，是一种回归模型的自变量选择方法，其过程与向前选择法相反：首先将全部自变量都选入模型，然后对各个自变量进行偏F检验，将最小的F值记为FL，与预先规定的显著性水平F0进行比较，若FL<F0，就剔除该变量，将余下的变量重新拟合回归模型，重复上述步骤，直到模型中所有自变量都不能剔除为止。从所有变量一次加入回归方程开始，然后按顺序剔除对回归方程影响不显著的变量，这种筛选自变量的方法称为向后选择法，也称向后剔除法、向后消元法。向后消元法是一种其特点与向前选择法恰好相反的回归分析方法，它从模型中包含所有的备选自变量开始。一个备选自变量如果与因变量的偏相关系数是最小的，且其F值小于“剔出标准”，则被剔出模型。下一个被剔出模型的自变量是在剩余的自变量中偏相关系数最小，且其F值小于“剔出标准”的备选自变量。这种叠代过程一直进行下去，直到再也没有备选自变量符合“剔出标准”为止。一旦一个变量被从模型中剔出，它就不能在下一步再重新进入模型。