모형 적합 플랫폼의 단계별 분석법에서 계층 항은 파티션 분석과 유사한 트리 구조를 사용하여 생성됩니다. 그러나 최대화되는 기준은 그룹 간 제곱합(SSB)입니다.
수준이 k개인 명목형 변수의 경우 k개 수준은 SSB가 가장 큰 두 개의 수준 그룹으로 분할됩니다. 이러한 두 수준 그룹을 A1과 A2라고 합니다. 여기서 A1의 평균이 더 작고 A2의 평균이 더 큽니다. A1과 A2의 두 수준 그룹은 A1의 수준 값이 1이고 A2의 수준 값이 -1인 표시 변수를 정의하는 데 사용됩니다. 이 변수는 명목형 변수에 대한 첫 번째 계층 항입니다.
초기 두 그룹 A1과 A2 내의 각 수준에 대해 SSB가 가장 큰 두 개의 수준 그룹으로 분할됩니다. SSB가 가장 큰 수준 그룹이 A1의 수준에 속한다고 가정해 보겠습니다. 이러한 두 그룹을 B1과 B2라고 합니다. 여기서 B1의 평균이 더 작고 B2의 평균이 더 큽니다. B1과 B2의 두 수준 그룹은 B1의 수준 값은 1, B2의 수준 값은 -1, A2의 수준 값은 0인 계층 변수를 정의하는 데 사용됩니다. 다음 변수를 생성하려면 B1, B2 및 A2의 수준 분할을 고려해야 합니다. SSB를 최대화하는 분할이 다음 계층 변수를 정의합니다. 이 프로세스는 k-1개 계층 항이 생성될 때까지 계속됩니다.
순서형 변수의 경우 분할에서 고려되는 수준 그룹에는 순서가 인접한 수준만 포함됩니다. 이렇게 하면 생성된 항이 수준 순서를 준수합니다.
결합 규칙 또는 제한 규칙을 사용하는 경우 계층에서 위에 있는 모든 항이 입력되지 않으면 해당 항을 모형에 입력할 수 없습니다. 전체 효과 규칙을 사용하고 범주형 변수에 대한 항을 입력하면 관련된 모든 항이 입력됩니다. 예는 예제의 계층 항 생성에서 확인하십시오.