Η ανάγκη της επιλογής των στατιστικά σημαντικών μεταβλητών που θα εισαχθούν τελικά σε ένα μοντέλο, ώστε να περιγράψουν με όσο το δυνατό μεγαλύτερη ακρίβεια το υπό εξέταση χαρακτηριστικό, οδήγησε στη δημιουργία μεθόδων ικανών να ανταποκριθούν στην απαίτηση αυτή. Σε συνδυασμό με την ανάγκη το προκύπτων μοντέλο να χαρακτηρίζεται και από καλή ικανότητα πρόβλεψης για μελλοντικές παρατηρήσεις, αναπτύχθηκαν κατάλληλες μέθοδοι και κριτήρια. Το κοινό χαρακτηριστικό αυτών των μεθόδων είναι ότι επιβάλλουν ένα είδος ποινής στη συνάρτηση πιθανοφάνειας με αποτέλεσμα οι συντελεστές των μεταβλητών στο μοντέλο να συρρικνώνονται. Το κοινό χαρακτηριστικό των κριτηρίων είναι οτι επιβάλλουν ποινή προκειμένου να μην εισαχθούν ανεξέλγκτα πολλές επεξηγηματικές μεταβλητές. Μέθοδοι όπως η LASSO, η παλινδρόμηση κορυφογραμμής, η SCAD, και κριτήρια όπως AIC, BIC αναπτύσσονται στα πλαίσια της εργασίας τα οποία βρίσκουν εφαρμογή τόσο σε γενικευνμένα γραμμικά μοντέλα όσο και σε δεδομένα επιβίωσης κάνοντας χρήση του μοντέλου του Cox. Σε ένα σύνολο πραγματικών δεδομένων εφαρμόζονται όλες οι μέθοδοι που παρουσιάζονται κάνοντας χρήση κατάλληλων πακέτων της R.