我们提出了一种新的方法来充分降低回归中的维数，该方法基于估计响应中微小变化的轮廓方向。这些方向跨越与回归相关的最小空间的正交补，可以根据响应中的两个变化度量来提取，从而导致简单的和一般等高线回归（SCR和GCR）方法。与现有的充分降维技术相比，这种基于轮廓的方法保证了在预测器分布的椭圆性和温和的附加假设下对中心子空间的穷举估计，同时保持了$\sqrt{n}$-一致性和计算简单性。此外，它证明了它对偏离椭圆的鲁棒性。我们建立了SCR和GCR的总体性质，以及SCR的渐近性质。将性能与标准技术（如普通最小二乘法、分层逆回归、主Hessian方向和分层平均方差估计）进行比较的模拟证实了理论分析所预期的优势。我们在关于土壤蒸发的数据集上演示了基于等高线的方法的使用。