分層回歸是對(duì)若干個(gè)自變量x進(jìn)行分群組分析，主要用于模型的比較，或者說(shuō)對(duì)變量重要性進(jìn)行判定。通常用于中介作用或者調(diào)節(jié)作用研究中。

分層回歸如何加入控制變量：

控制變量指可能干擾模型的項(xiàng)，比如年齡，學(xué)歷等基礎(chǔ)信息。從軟件角度來(lái)看，并沒(méi)有“控制變量”這樣的名詞?！翱刂谱兞俊本褪亲宰兞?，通常使用分層回歸進(jìn)行分析，一般情況下“第一層”全部放入控制變量。“第二層”放入核心自變量。

另外，控制變量一般是分類(lèi)數(shù)據(jù)，理論上控制變量需要作“虛擬(啞)變量”設(shè)置，但實(shí)際研究中很少這樣做而是直接放入模型中，可能原因是“控制變量”并非核心研究項(xiàng)，所以不用考慮太過(guò)復(fù)雜。

問(wèn)題：檢驗(yàn)時(shí)間管理傾向的三個(gè)維度（時(shí)間監(jiān)控觀(guān)、時(shí)間效能感和時(shí)間價(jià)值感）是否對(duì)拖延行為有顯著預(yù)測(cè)力？

分層回歸分析中，后一層只需添加前一層不一樣的變量即可，結(jié)果會(huì)累積前后層的所有變量。此外，無(wú)論自變量是否顯著，均會(huì)出現(xiàn)在模型中。

分層回歸模型主要關(guān)注的是最終模型，即最后一個(gè)完整的模型。

需要注意的是，模型 2和模型 3中納入的變量都是在上一個(gè)模型基礎(chǔ)上的。比如，模型 3是在模型 2的基礎(chǔ)上納入“時(shí)間效能感”變量，即模型3共納入時(shí)間效能感、時(shí)間監(jiān)控觀(guān)、時(shí)間價(jià)值感。也就是說(shuō)，設(shè)置幾個(gè)分層，軟件就會(huì)產(chǎn)生幾個(gè)模型，這樣模型間可以進(jìn)行比較。本例結(jié)果可見(jiàn)，模型2比模型1多了時(shí)間監(jiān)控觀(guān)，增加解釋的R2為0.213，顯著性P<0.001；模型3比模型2多了時(shí)間效能感，增加解釋的R2為0.026，雖然很小，但是后面的P值=0.001是有意義的。

R2是多層回歸的重要指標(biāo)，反映自變量解釋因變量變異的程度。但是隨著自變量個(gè)數(shù)的增加，R2也在不斷增大。如果對(duì)兩個(gè)具有不同個(gè)數(shù)自變量的回歸方程進(jìn)行比較時(shí)，不能簡(jiǎn)單用R2作為評(píng)價(jià)回歸方程的標(biāo)準(zhǔn)，此時(shí)應(yīng)該用調(diào)整后的R2。從上表可以看出，隨著自變量數(shù)量的增加，模型1-3的調(diào)整后的R2逐漸增加，分別是0.019、0.230和0.254，提示各模型對(duì)因變量的影響逐漸加強(qiáng)。 

分層回歸的每一個(gè)模型都相當(dāng)于一個(gè)多重線(xiàn)性回歸模型。SPSS輸出ANOVA表格中包括對(duì)每一個(gè)模型的評(píng)價(jià)，一般來(lái)說(shuō)，我們習(xí)慣性只匯報(bào)最終模型的結(jié)果（本研究的模型3）。

模型3納入了時(shí)間效能感、時(shí)間監(jiān)控觀(guān)、時(shí)間價(jià)值感三個(gè)變量。結(jié)果示，該模型具有統(tǒng)計(jì)學(xué)意義，F(xiàn)(3,322)=37.499，P<0.001，提示因變量和自變量之間存在線(xiàn)性相關(guān)，說(shuō)明納入這三個(gè)自變量有助于預(yù)測(cè)因變量。

我們主要關(guān)注最終模型，即本研究中的模型3，在對(duì)回歸系數(shù)進(jìn)行解釋時(shí)也是如此。