近似贝叶斯计算（ABC）方法利用模拟统计和观测统计的比较来克服计算上难以处理的似然函数问题。由于ABC的实际实施需要基于汇总统计向量而非完整数据集进行计算，因此一个中心问题是如何从观测数据中导出低维汇总统计数据，并将信息损失降至最低。在本文中，我们对ABC文献中提出的主要降维方法的性能进行了全面的回顾和比较。这些方法被分为三个非互斥类，包括最佳子集选择方法、投影技术和正则化。此外，我们还介绍了两种新的降维方法。第一种是基于Akaike和贝叶斯信息准则的最佳子集选择方法，第二种是使用岭回归作为正则化过程。我们通过分析三个具有挑战性的模型和数据集来说明这些降维技术的性能。