分层回归是咋回事?是按照变量的水平数就行分割，然后进行分析嘛?其实不是，分层回归是对若干个自变量x进行分群组分析，主要用于模型的比较，或者说对变量重要性进行判定?
1、案例
某高校随机抽取600名大学生，调查期身高、体重、胸围、体育成绩和肺呼量(Y)数据，现想知道，胸围对肺呼量的重要性大小，咱们看看如何分析?
2.实战
步骤：分析-回归-线性，将肺呼量放入因变量框，将身高和体重放入自变量框(第一层);
点击下一层，将胸围放入自变量第二层;
点击统计量，勾选R2变化量，点击继续，确定，查看结果。
3.结果
分层回归，你设置几个层，软件就会给您模拟几个模型，让您可以在几个模型间进行比较。本例结果可见，模型2比模型1多了个胸围变量，增加解释的R2为0.005，虽然很小，但是后面的P值=0.011是有意义的
如果我再把体育成绩放入第三层，看看结果，软件自动生成3个模型，你会发现，第3个模型增加的体育成绩并无意义。
4.松哥统计说
很多人会产生分层回归和逐步回归的区别联想。
逐步回归是让软件按照自变量重要性的大小，选择变量构建回归模型，如果软件一共发现3个有意义的变量，则会构建3个模型，分别为x1，x1 x2，x1 x2 x3;其中变量重要性X1>x2>x3;
分层回归相对来说建模更具备专业意义的指导，通常将专业认为重要的变量放在最后一层，以确定在控制其他变量之后，该自变量的意义大小。
注意一点，逐步回归和分层回归都可以计算R2的该变量，当分层回归每层仅放入一个变量时，其结果和逐步回归一致。当分层回归每层的变量数不为1个变量时，结果与逐步回归不同;
简单的说，逐步回归按照变量个数递增，建模并计算R2改变;而分层回归是按照层的数目递增建模并计算R2改变。
逐步回归，更依赖软件;分层回归更依赖专业。逐步先重要变量，后次要变量;分层先想控制变量，后想研究的变量。