Rappelons brièvement que la méthode ascendante simple consiste à construire un nouveau modèle en introduisant une à une les variables explicatives minimisant la somme des carrés des résidus et dont le coefficient de régression est significativement différent de 0.
De cette manière, on peut sélectionner une partie des variables explicatives du modèle initial afin d’obtenir un modèle comptant un nombre de variables explicatives moins important (voir méthode Ascendante).
La méthode de régression Ascendante Progressive est quasiment équivalente à la méthode Ascendante. Néanmoins, elle présente l’avantage d’éliminer les variables explicatives précédemment introduites dans le modèle et dont la significativité est remise en cause par l’entrée d’une nouvelle variable.
En effet, il se peut que des variables introduites en tête aient une liaison avec une ou plusieurs variables introduites ultérieurement et ainsi ne soient plus significatives. Il est alors possible de les éliminer. La méthode Ascendante Progressive est donc une méthode de sélection ascendante avec possibilité d’éliminer des variables déjà introduites.
On peut constater par exemple ci-dessus, que X9 est la première variable à être introduite dans le modèle, mais qu’elle sera éliminée par la suite pour être réintroduite.