小伙伴们好！
分层回归、逐步回归、多元回归这几个概念，很多同学容易混淆。
今天我们就来聊聊它们分别是啥，彼此有什么区别与联系。
分层回归
分层回归是一种多元线性回归分析方法，该方法将自变量逐层添加到回归模型中，以考察每个自变量的独特贡献，并排除其他变量的影响。
分层回归适用于自变量之间存在高度相关性的情况，其中一个自变量的独特贡献难以确定。它主要用于中介作用或调节作用的研究中。
逐步回归
逐步回归是一种多元线性回归分析方法，旨在研究因变量（Y）和多个自变量（X）之间的关系。它的基本思路是自动从大量可供选择的变量中选取最重要的变量，建立回归分析的预测或者解释模型。
具体方法是，将自变量逐个引入，引入的条件是其偏回归平方和经检验后是显著的。同时，每引入一个新的自变量后，要对旧的自变量逐个检验，剔除偏回归平方和不显著的自变量。这样一直边引入边剔除，直到既无新变量引入也无旧变量删除为止。它的实质是建立最优的多元线性回归方程。
多重回归 VS.多元回归