當處理的變量較多時，我們需要快速得知多個分類變數中的數值性大小，而之前介紹的長條圖或是摘要表已經無法滿足我們的需求，此時方塊圖就是一個很好的選擇。 

在迴歸分析裡，我們有許多的方法來選擇我們的模型，如：向前選取法(Forward selection)、向後消去法(Backward elimination)、逐步選取法(Stepwise selection)、Mallows’ CP、R-平方(R-Square)、調整後R平方(adjust R-square)、Akaike information criterion(AIC)、Schwarz Bayesian Criterion(SBC)等。 分別介紹一下：

根據上一節最後選定的模型，我們做一次是否有共線性的問題。在此，我們有兩種方法來判斷，(1) 變異數膨脹因子（Variance Inflation Factor，VIF） (2) 共線性診斷(Collinearity Diagnostics)。當變異數膨脹因子>10或是共線性診斷>100時，表示有共線性的問題。