怎么在spss上做层次回归分析

在英文文献中,我们经常会见到hierarchical regression(层次回归分析).我们知道回归分析中最常见的就是进入（enter）法,是将所有的预测变量全部放入independents，不涉及变量的筛选，为默认的选项。而前进法或者向后法是按照一定的规则逐步加入变量，由系统自动进行，比如预测变量有4个abcd,首先分别拟合4个变量的4个简单模型，假如均没有显著，则程序终止。

假如均有显著，然后将其中P值最小的变量（假如为a）首先纳入到模型，分别有3个模型，a+b,a+c,a+d;假如bcd均没有显著，则程序终止。

假如bcd有统计学意义，则选择具有统计学意义p值最小的变量进入模型（假如为b)则分别有2个模型，a+b+c,a+b+d.如此反复进行，直至模型外的自变量均无统计学意义，模型内的自变量均有统计学意义

stepwise(逐步进入法）与前进法的主要区别是，在模型中假如变量之后不仅对新加入的变量进行检验，同时也对新模型中的原始变量进行检验，例如上例，a+b,a+c,a+d同时也对a进行检验，如果无统计学意义，也将a剔除出模型。

那么层次回归其实是建立在之前的回归分析方法之上的，与上述的统计方法不是并列关系。层次回归可以使用所有的回归方法，只是相当于对每层的变量进行单独的分析，找出差异性。其基本思想是将感兴趣的变量放在最后一步进入模型，以考察在排除了其他变量的贡献的情况下，该变量对回归方程的贡献。如果变量仍然有明显的贡献，那么我们可以做出该变量确实具有其他变量所不能替代的独特作用的结论。这种方法主要用于，当自变量之间有较高的相关，其中否一个自变量的独特贡献难以确定的情况。

应用举例：

本例考察不同种类土地使用面积与固体排放量之间的关系，自变量有indust,metals,trucks,retail,restrnts.我们想分析resrnts对固体排放量的单独贡献。那么我们可以选择将resrnts放入最后一层。

第一步将另外的四个变量放入block1中

第二步，点击next，放入resrnts变量，作为第二层。

第三步：点击右边第一个按钮statistic，主要勾选第二个R方的改变值，然后点击continue，OK

结果如下

第二层的变量较之于第一层变量多出的就是我们要考虑的变量，我们可以看到R方的改变值为0.152，方差分析显著，说明排除其他四个变量的影响，单独由宾馆、餐饮业用地所解释的差异为15.2%，具有统计学意义。