Waarom niet? In een lineaire regressie (in SPSS) zijn alle predictoren automatisch ook covariaten. Dit is een eigenschap van lineaire modellen: iedere variabele wordt geevalueerd alsof alle overige variabelen op nul gezet worden.
In welke stap ze komen heeft dan niets met covariaat-zijn te maken. Dit is meer theoretisch; als je gewoon al je variabelen wilt toetsen dan is er maar 1 stap. Als je hierarchisch onderzoekt (bijvoorbeeld controlevariabelen en onderzoeksvariabelen hebt) dan kan het wel eens nuttig zijn om de controlevariabelen als een baseline in de eerste stap te leggen en daar de R^2 van te evalueren. In een tweede stap kan dan de onderzoeksvariabelen worden toegevoegd en geevalueerd worden of het model significant toeneemt in verklaarde variantie (R^2 change). Zo ja, dan voegen de variabelen toe aan de baseline. Allerlei varianten zijn hier mogelijk.