分层回归 ΔR² 是什么意思？

ΔR²（R 方变化量）指在前一个模型基础上加入新一组预测变量后 R² 的增量，表示这组变量在控制已有变量后额外解释的因变量方差比例。

分层回归和逐步回归有什么区别？

分层回归由研究者依理论决定各步纳入哪些变量，顺序有理论依据；逐步回归由算法根据统计标准自动增删变量，易受样本波动影响、更易过拟合。

ΔR² 显著性怎么检验和报告？

用 F 变化检验（F change）判断 ΔR² 是否显著，报告为例如「ΔR² = .08, F(2, 145) = 6.72, p = .002」，说明该步变量的增量贡献。

分层回归各步该按什么顺序放变量？

通常先放入需要控制的人口学或既有变量作为基线，再逐步放入理论上关注的核心预测变量，以检验其在控制协变量后的独立贡献。

回归/心理

分层回归怎么做、ΔR² 结果怎么写

作者 / 审校：shujufenxi 编辑部·最后审校 2026-07-03

你遇到的问题

你想证明核心自变量在控制了年龄、性别等无关变量之后仍然有独特贡献，却只会一次性把所有变量丢进回归，报不出「加入这组变量后模型解释力提升了多少」这层意思，也不知道 ΔR² 该怎么算、怎么写。

适用场景

分层回归适用于研究者按理论顺序分组、逐层纳入预测变量，考察每一组变量在前一层基础上带来的增量解释力。典型用法是第一层放控制变量（如人口学变量），第二层放核心自变量，看核心变量能否解释额外的方差。

正确做法

逐层建立模型，报告每一层的 R²、以及相对上一层的 ΔR²、ΔF 及其显著性 p 值，重点解读核心变量所在层的 ΔR² 是否显著。最终模型再报告各预测变量的标准化系数 β、t 及 p，说明控制其他变量后每个变量的独立贡献。

报告示例：分层回归第一层纳入年龄与性别，R² = .06, F(2, 197) = 6.28, p = .002。第二层加入自我效能感后，ΔR² = .18, ΔF(1, 196) = 47.32, p < .001，模型总 R² = .24，说明控制人口学变量后自我效能感仍能解释工作投入 18% 的额外方差。最终模型中，自我效能感为显著正向预测因素，β = .44, t = 6.88, p < .001。

常见错误

错误一：只报最终模型的总 R²，不报各层的 ΔR² 和 ΔF，等于没体现分层回归的核心——增量解释力，与普通回归无异。错误二：变量纳入顺序随意、缺乏理论依据，为了让 ΔR² 显著而事后调整层次，属于数据导向的错误做法。

需要更进一步？

如果你算不清 ΔR² 是否显著、或不确定该把哪些变量放进第一层，可以把回归的模型汇总表粘贴进统计结果解读器，它会逐层解析增量并生成表述；若你的分层里还想检验调节效应（交互项）而无从下手，建议预约辅导。

操作步骤

SPSS

分析→回归→线性
将因变量移入「因变量」，把第一层变量（年龄、性别）移入「自变量」，构成「块 1/1」
点「下一个」，将第二层变量（心理资本）加入，构成「块 2/2」
点「统计量」勾选「R 方变化」与「模型拟合度」
点「确定」，在「模型摘要」表读取各层 R²、R² 变化量、F 变化量与显著性

# 分层回归：用 anova() 比较嵌套模型
df <- read.csv('data.csv')
m1 <- lm(performance ~ age + gender, data = df)
m2 <- lm(performance ~ age + gender + psycap, data = df)
summary(m1)$r.squared; summary(m2)$r.squared  # 各层 R²
anova(m1, m2)  # ΔR² 对应的 F 变化检验
summary(m2)  # 最终模型系数（可配合 lm.beta 求标准化 β）

完整示例（模拟数据）

预测员工工作绩效：第一层输入人口学变量（年龄、性别），第二层加入心理资本（N＝100）（标注：模拟数据样例）。

分层回归分析中，第一层的人口学变量（年龄、性别）解释了工作绩效方差的 15%（R²＝.15）。第二层加入心理资本后，R² 提升至 .34，ΔR²＝.19，ΔF(2, 95)＝13.60，p＜.001，表明心理资本在控制人口学变量后仍具有显著的增量解释力。在最终模型中，心理资本的标准化回归系数为 β＝.42（p＜.001），是绩效最重要的预测因素。

统计量	数值
第一层 R²	.15
第二层 R²	.34
ΔR²	.19
ΔF(2, 95)	13.60（p＜.001）
心理资本 β	.42

常见疑问

分层回归 ΔR² 是什么意思？: ΔR²（R 方变化量）指在前一个模型基础上加入新一组预测变量后 R² 的增量，表示这组变量在控制已有变量后额外解释的因变量方差比例。
分层回归和逐步回归有什么区别？: 分层回归由研究者依理论决定各步纳入哪些变量，顺序有理论依据；逐步回归由算法根据统计标准自动增删变量，易受样本波动影响、更易过拟合。
ΔR² 显著性怎么检验和报告？: 用 F 变化检验（F change）判断 ΔR² 是否显著，报告为例如「ΔR² = .08, F(2, 145) = 6.72, p = .002」，说明该步变量的增量贡献。
分层回归各步该按什么顺序放变量？: 通常先放入需要控制的人口学或既有变量作为基线，再逐步放入理论上关注的核心预测变量，以检验其在控制协变量后的独立贡献。

参考来源

· Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied Multiple Regression/Correlation Analysis (3rd ed.). Lawrence Erlbaum.
· Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). Sage.
· Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson.

用统计结果解读器生成结果段落预约辅导

工具输出请自行核对后使用。内容参考见方法论标准。

← 返回知识库