一、分層回歸所屬模塊

分層回歸在SPSSAU中位于【進(jìn)階方法】模塊。

二、方法概述

分層回歸適合按理論順序?qū)⒆宰兞恐饘臃湃肽Ｐ停^察每增加一層后模型解釋力是否提升。它常用于控制變量、核心變量逐步進(jìn)入模型的研究場景，便于看清不同層次變量的獨(dú)立貢獻(xiàn)。

三、變量設(shè)置規(guī)則

分層回歸需要設(shè)置1個(gè)因變量和至少1層自變量。因變量必須為定量變量，第1層為必填，后續(xù)分層按研究需要繼續(xù)添加。

1. 因變量設(shè)置

（1）因變量只能放入1個(gè)，且必須為定量變量。

（2）該變量是被解釋對(duì)象，用來觀察不同分層進(jìn)入后模型變化。

2. 自變量分層設(shè)置

（1）每層可放入定量變量或定類變量。

（2）至少設(shè)置第1層，第2層到第6層為可選，最多可設(shè)置6層。

（3）每層最多可放入200個(gè)變量，適合按控制變量、核心變量等思路分步建模。

四、分析結(jié)果表格及其解讀

SPSSAU完成分層回歸后，會(huì)輸出分層回歸主結(jié)果表、簡化結(jié)果表、共線性診斷表、完整結(jié)果表；若分析時(shí)存在樣本剔除，還會(huì)輸出樣本缺失情況匯總表。

1. 表1：分層回歸分析結(jié)果

該表格集中展示各分層模型的系數(shù)結(jié)果與整體擬合情況，包含B值、標(biāo)準(zhǔn)誤、t值、p值、β值、R2、調(diào)整R2、F值、△R2、△F值等指標(biāo)。

● B值：看變量影響方向與大小，結(jié)合p值一起判斷。

● p值：通常小于0.05說明變量或模型結(jié)果更明確。

● β值：用于比較同一模型內(nèi)不同變量影響強(qiáng)弱，絕對(duì)值越大影響越突出。

● R2與調(diào)整R2：用于判斷模型解釋力，數(shù)值越高通常越好。

● F值：看整體模型是否成立，通常對(duì)應(yīng)p小于0.05說明整體顯著。

● △R2與△F值：用于判斷新增分層是否真正帶來增量解釋，若對(duì)應(yīng)p小于0.05說明新增層有價(jià)值。

2. 表2：分層回歸分析結(jié)果-簡化格式

該表格用于快速查看各層模型的核心結(jié)果，適合做簡潔匯報(bào)。

● 樣本量：表示進(jìn)入分析的數(shù)據(jù)量，樣本越充足結(jié)果通常越穩(wěn)。

● B值與t值：幫助快速判斷變量方向與作用強(qiáng)弱。

● R2與調(diào)整R2：便于快速比較不同分層模型的解釋效果。

● △R2與△F值：便于判斷新增一層是否提升模型表現(xiàn)。

3. 表3：共線性診斷表格（VIF值）

該表格用于查看不同分層模型中的共線性情況，核心指標(biāo)是VIF值。

● VIF值：一般小于5時(shí)通常認(rèn)為共線性風(fēng)險(xiǎn)較低；如果明顯偏大，說明變量之間可能重疊較強(qiáng)。

● 分層比較：如果后續(xù)分層加入后VIF整體上升，說明新增變量可能與前面變量信息重復(fù)較多。

4. 表4：分層回歸分析結(jié)果（完整結(jié)果）

該表格適合正式匯報(bào)或細(xì)致解讀，除常規(guī)回歸指標(biāo)外，還補(bǔ)充95%區(qū)間、VIF和容差等信息。

● 95%區(qū)間：用于看系數(shù)估計(jì)范圍，區(qū)間越集中通常越穩(wěn)定。

● VIF與容差：一起判斷共線性風(fēng)險(xiǎn)，VIF偏大或容差偏低時(shí)需謹(jǐn)慎解釋。

● B、β、t、p：共同判斷變量方向、相對(duì)強(qiáng)弱與顯著性。

● R2、調(diào)整R2、F值：用于判斷模型整體表現(xiàn)。

● △R2、△F值：用于判斷每一層新增變量是否帶來實(shí)質(zhì)提升。

5. 表5：樣本缺失情況匯總

該表格在存在樣本剔除時(shí)輸出，用于說明有效樣本、排除無效樣本和總樣本的構(gòu)成。

● 有效樣本：表示最終進(jìn)入分析的數(shù)據(jù)量，占比越高越理想。

● 排除無效樣本：表示因缺失等原因未納入分析的樣本，若占比過高需關(guān)注數(shù)據(jù)完整性。

● 占比：幫助判斷結(jié)果的穩(wěn)定性和代表性。

以上就是SPSSAU分層回歸方法的相關(guān)內(nèi)容，更深入教程可查看SPSSAU幫助手冊、教學(xué)視頻、疑難解惑等資料。