分层回归分析

分层回归

• ##### 分析方法视频解读：
• 分层回归的核心即为回归分析;区别在于分层回归可分为多层;比如第一次放入4个X;第二层放入3个X;第3层放入2个X;

每一层均在上一层基础上放入更多项;那放入的更多项是否对模型有解释力度,此则为分层回归关心的问题;分层回归通常用于中介作用或者调节作用研究中。

• - ###### 分析步骤共为四步,分别是:
  • 第一步：首先对模型情况进行分析分析描述各个模型的拟合情况,以及R 2值的变化情况.
  • 第二步：分析X的显著性结合自身需要;分析具体X的显著性情况.
  • 第三步：判断X对Y的影响关系方向回归系数B值大于0说明正向影响,反之负向影响.
  • 第四步：其它结合不同模型的对比,得出相关结论(比如中介作用或者调节作用研究的相关结论).

分析项	分层回归分析说明
网购满意度,重复购买意愿	第一层放入性别,学历,年龄,收入等基本个人信息; 第二层放入核心研究项; 深入说明核心研究项对于重复购买意愿的影响情况?(核心研究项加入后,R 2有明显变化)

• #### 分析结果表格示例如下:

	分层1				分层2
B	标准误	t	p	B	标准误	t	p
常数	10.722**	1.493	7.179	0	12.069**	1.682	7.178	0
分析项1	0.207	0.409	0.507	0.612	0.354	0.423	0.837	0.404
分析项2	-0.047	0.41	-0.113	0.91	0.164	0.435	0.376	0.707
分析项3					-0.44	0.373	-1.178	0.24
分析项4					-0.09	0.067	-1.343	0.181
R 2	0.001				0.017
调整R 2	-0.009				-0.004
F 值	0.14				0.819
△R 2	0.001				0.015
△F 值	0.14				1.498
因变量(Y)：Y
p* <0.05 ** p <0.01

• - ###### 特别提示
  • 分层回归也是回归分析，区别在于分层回归可以得出：分层a到分层b(b=a+1)时R 2变化和F

值变化，便于观察加入新的X时R 2值的变化信息等。

#### 上表格中相当于共有2个回归分析,分析结果表格示例如下:

	模型1(分层1)	模型2(分层2)
因变量Y	Y	Y
自变量	分析项1	分析项1
自变量	分析项2	分析项2
自变量		分析项3
自变量		分析项4

###### 2个回归分析的模型公式分别如下：

Y=10.722+0.207分析项1-0.047分析项2

Y=12.069+0.354分析项1+0.164分析项2-0.44分析项3-0.09分析项4

• #### SPSSzero 操作截图如下：

疑难解惑

• ##### 控制变量问题？
• 控制变量指可能干扰模型的项，比如年龄，学历等基础信息。从软件角度来看，并没有“控制变量”这样的名词。“控制变量”就是自变量，如果使用分层回归进行分析，一般情况下“第一层”全部放入控制变量。“第二层”放入核心自变量。
• 另外，控制变量一般是定类数据，理论上控制变量需要作“虚拟(哑)变量”设置，但实际研究中很少这样做而是直接放入模型中，可能原因是“控制变量”并非核心研究项，所以不用考虑太过复杂。
• ##### 中介或者调节作用？
• 如果使用分层回归分析进行中介作用或者调节作用研究，请参考下述两个网页：
• 中介作用:

点击查看

• 调节作用:

点击查看

• ##### 各项指标的解释？

指标	意义
R 2	模型的解释力度
调整R 2	模型的解释力度（用于惩罚随意放置自变量的指标，一般依旧使用R 2）
F 值	用于判断模型是否有意义，如果对应p 值小于0.05说明模型有意义
△R 2	模型变化时，R 2值的变化情况
△F 值	模型变化时，F 值的变化(该值不是直接F 值相减)，如果对应p 值小于0.05则说明模型变化有意义，具体可通过△R 2查看模型解释力度变化情况，以及查看新增加的自变量的显著性情况。

• ##### 如何进行中介作用或者调节作用研究？
• 同时如果对于调节作用、中介作用的原理理解较少；可直接使用SPSSzero问卷研究-》调节作用、中介作用直接进行智能化分析。
• ##### F 值括号里面的两个值分别是什么?
• 如果是F 值想计算得到p

值，需要提供两个自由度值***df 1和df 2。一般情况下，df 1等于自变量数量；df* 2**等于样本量

• （自变量数量+1）。此两个值仅为中间过程值，规范格式上需要写成这样而已，无其它实际意义。