Słownik
Regresja hierarchiczna
Regresja hierarchiczna – nazywana również hierarchiczną analizą regresji – to sposób budowania modelu regresji wielorakiej, w którym predyktory są wprowadzane do modelu w kolejnych blokach według z góry ustalonej kolejności. W regresji hierarchicznej kolejność wprowadzania zmiennych wynika z teorii lub hipotez badacza, a nie z automatycznego kryterium statystycznego .
Przykładowo, w pierwszym kroku można wprowadzić zmienne demograficzne, takie jak wiek i płeć, w drugim zmienne dotyczące zachowania, a w trzecim zmienne psychologiczne. Pozwala to sprawdzić, czy nowy blok zmiennych wyjaśnia dodatkową część wariancji zmiennej zależnej ponad to, co zostało już wyjaśnione przez wcześniejsze predyktory. Kluczową informacją jest w tym przypadku zmiana współczynnika R-kwadrat pomiędzy kolejnymi modelami, zwykle oznaczana jako ΔR2. Jeżeli po dodaniu nowego bloku R2 istotnie wzrasta, oznacza to, że nowe zmienne wnoszą dodatkową informację do modelu.
Regresja hierarchiczna pozwala ocenić, czy określony zestaw predyktorów zwiększa wyjaśnianą wariancję ponad zmienne uwzględnione we wcześniejszych krokach. Metoda jest szczególnie przydatna, gdy badacz chce najpierw kontrolować określone zmienne kontrolne, a następnie sprawdzić znaczenie właściwych predyktorów badawczych. Można również obserwować, jak dodawanie kolejnych bloków wpływa na wartości współczynników regresji wcześniej wprowadzonych zmiennych. W przeciwieństwie do automatycznych procedur, takich jak metoda krokowa, selekcja postępująca czy eliminacja wsteczna, skład kolejnych modeli jest określany przez badacza, najczęściej z wykorzystaniem metody wprowadzania.
