層次迴歸分析 (hierarchical regression，有人翻譯成階層性迴歸) 是心理、教育、社會學領域常用的一種統計方法，使用這種的方法用意是：你有 a, b, c 三個自變數 (independent variables)，你想要看這些變數個別對 Y 的影響。
如果你將 a, b, c 一次放進迴歸分析裡面，你可以得到整體的解釋力。如果你想的話，你也可以算 effect size，得到 a, b, c 個別對 Y 的影響有多大。然而，有時候研究者有理論或實際依據，認為 a, b, c 必須依照不同的順序放入迴歸分析。
如果將a, b, c 依序個別放入，那我們就有三個models，hierarchical 指的就是這些 models 之間有層次性或階層性的關係，才會這麼命名的。這種作法其實就相當於簡單的路徑分析 (path analysis) 了。
常常與 hierarchical regression 搞混的統計方法是hierarchical linear modeling (階層線性模式)，這部分詳情請見什麼是階層線性模式 (hierarchical linear modeling)?。這兩者的不同是：層次迴歸分析的「層次」指的是models之間的層次，而HLM的層次指的是 data 是有層次性的，比如說學生是class的一部分，所以學生是第一層，class就是第二層。
標籤： 統計分析