一種統計方法
層次迴歸分析，也稱爲分層迴歸或層級迴歸（hierarchical multiple regression），是一種統計方法，用於分析多箇自變量對一箇因變量的影響。它允許自變量分爲不同的層級，其中第一層級通常包括所有自變量，而後續層級則包括先前層級中的自變量以及其他新的自變量。每個層級都會對因變量產生一定的貢獻，這些貢獻可以通過統計方法進行比較和評估。
層次迴歸分析的核心在於比較兩個或多箇迴歸模型，根據模型所解釋的變異量的差異來判斷模型的優劣。一箇模型如果解釋了更多的變異，則認爲它對數據的擬合更好。此外，層次迴歸可以用來評估個體預測變量的重要性，通過比較包含和排除某個預測變量的模型，可以判斷該變量是否顯著地增加了模型的解釋力。
層次迴歸分析通常用於研究自變量之間存在較高相關性時，確定一箇自變量的獨特貢獻。例如，在研究學習疲倦感時，可以將性別、年齡、學歷等變量放在第一層，工作壓力等核心研究變量放在第二層，以此考察在排除了其他變量的貢獻後，核心變量的獨特作用。
層次迴歸分析的建模步驟包括輸入多層次的線性迴歸數據，並輸出上一個層次與下一個層次的擬合變化情況，從而分析新加入的變量對因變量的影響程度。這種方法常用於中介作用或調節作用的研究。