怎么在spss上做層次回歸分析

在英文文獻中,我們經常會見到hierarchical regression(層次回歸分析).我們知道回歸分析中最常見的就是進入（enter）法,是將所有的預測變量全部放入independents，不涉及變量的篩選，為默認的選項。而前進法或者向后法是按照一定的規則逐步加入變量，由系統自動進行，比如預測變量有4個abcd,首先分別擬合4個變量的4個簡單模型，假如均沒有顯著，則程序終止。

假如均有顯著，然后將其中P值最小的變量（假如為a）首先納入到模型，分別有3個模型，a+b,a+c,a+d;假如bcd均沒有顯著，則程序終止。

假如bcd有統計學意義，則選擇具有統計學意義p值最小的變量進入模型（假如為b)則分別有2個模型，a+b+c,a+b+d.如此反復進行，直至模型外的自變量均無統計學意義，模型內的自變量均有統計學意義

stepwise(逐步進入法）與前進法的主要區別是，在模型中假如變量之后不僅對新加入的變量進行檢驗，同時也對新模型中的原始變量進行檢驗，例如上例，a+b,a+c,a+d同時也對a進行檢驗，如果無統計學意義，也將a剔除出模型。

那么層次回歸其實是建立在之前的回歸分析方法之上的，與上述的統計方法不是并列關系。層次回歸可以使用所有的回歸方法，只是相當于對每層的變量進行單獨的分析，找出差異性。其基本思想是將感興趣的變量放在最后一步進入模型，以考察在排除了其他變量的貢獻的情況下，該變量對回歸方程的貢獻。如果變量仍然有明顯的貢獻，那么我們可以做出該變量確實具有其他變量所不能替代的獨特作用的結論。這種方法主要用于，當自變量之間有較高的相關，其中否一個自變量的獨特貢獻難以確定的情況。

應用舉例：

本例考察不同種類土地使用面積與固體排放量之間的關系，自變量有indust,metals,trucks,retail,restrnts.我們想分析resrnts對固體排放量的單獨貢獻。那么我們可以選擇將resrnts放入最后一層。

第一步將另外的四個變量放入block1中

第二步，點擊next，放入resrnts變量，作為第二層。

第三步：點擊右邊第一個按鈕statistic，主要勾選第二個R方的改變值，然后點擊continue，OK

結果如下

第二層的變量較之于第一層變量多出的就是我們要考慮的變量，我們可以看到R方的改變值為0.152，方差分析顯著，說明排除其他四個變量的影響，單獨由賓館、餐飲業用地所解釋的差異為15.2%，具有統計學意義。