关于分层回归与同时回归的差异？

许华2010

5119

收藏 2015-08-15

刚接触分层回归，有些问题不是很懂。譬如说对于分层回归中要分析某一个变量的显著性，可以先把模型中除了这个变量以外的其他自变量纳入第一层，然后在第二层再加入这个变量，如果R方改变量显著，那么我们就说这个变量对因变量有显著影响。我的疑惑就是这种情况下的显著与同时回归中直接把这个自变量与其他自变量一起放入模型的显著相比有什么区别？有没有哪些坛友能解答一下？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

南南数据

2015-8-15 17:29:52

如果只是分析这个变量的显著性，那没必要分层回归。分层回归的根本目的是看某个新增变量对R方改变量的大小，当然显著性是前提。如果您不做分层回归，您可以得到显著性，但无法得到R方改变量，因为同时回归只给了一个R方，无法分离不同变量的R方贡献量。这种情况下，即便这个变量是显著的，但我们依然不知道它产生的影响大小。例如R方改变0.01，但改变量显著，这种情况下实际上变量的影响很小，虽然它显著。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

许华2010

2015-8-15 22:07:05

南南数据发表于 2015-8-15 17:29
如果只是分析这个变量的显著性，那没必要分层回归。分层回归的根本目的是看某个新增变量对R方改变量的大小， ...

一下子感觉理解不少，谢谢你哈！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

许华2010

2015-8-16 08:12:09

南南数据发表于 2015-8-15 17:29
如果只是分析这个变量的显著性，那没必要分层回归。分层回归的根本目的是看某个新增变量对R方改变量的大小， ...

请问这个R方贡献值与标准化回归系数的含义一样吗？我觉得一个自变量对因变量的影响程度越大，那么它对R方的贡献也应该越大吧。可以这样理解吗？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

DAWN1406

2022-3-21 16:52:28

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。可以使用网页版SPSSAU进行分层回归。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群