炎症水平影响因素的分层回归：人口学变量与生物标志物的增量.docxVIP

炎症水平影响因素分层回归分析结果解读

一、方法概述

分层回归分析（HierarchicalRegressionAnalysis）是一种通过逐步纳入解释变量来考察其对因变量的增量解释作用的统计方法。与标准的多元回归不同，分层回归强调理论驱动的变量纳入顺序：第一层通常纳入控制变量（如人口学特征），第二层纳入主要研究变量，第三层可纳入更深层次的生理或行为指标。每一层纳入后，通过观察ΔR2和ΔF的变化来判断新纳入的变量是否对因变量具有显著的增量解释作用。该方法广泛应用于医学、心理学和社会科学研究中，用于证明某一变量在控制已知因素后仍能提供额外的解释力。本研究采用SPSSAU软件进行分层回归分析，探索人口学变量、生理指标等对炎症水平的逐步解释作用。

在SPSSAU【进阶方法】模块选择【分层回归】，将变量拖拽至右侧对应分析框，操作如下图：

二、分层回归主体结果

表1报告了分层回归的核心结果，包含三个层次的回归系数、模型拟合指标及增量解释量。

从表1可以看出，三个层次的回归模型均未达到统计学显著水平。分层1仅纳入性别作为控制变量，其非标准化系数B=0.042，标准化系数β=0.019，t=0.366，p=0.714，远未达到显著水平。模型的R2为0.000，调整R2为-0.002，F(1,358)=0.134，p=0.714，说明性别单独对炎症水平的解释作用几乎为零。

分层2在性别基础上纳入