ในทางสถิติหลักการของความมีขอบเขต (marginality principle) ซึ่งบางครั้งเรียกว่าหลักการลำดับชั้น (hierarchical principle ) คือข้อเท็จจริงที่ว่าผลกระทบเฉลี่ย (หรือ ผลกระทบ หลัก ) ของตัวแปรในการวิเคราะห์นั้นมีขอบเขตจำกัดเมื่อเทียบกับผลกระทบปฏิสัมพันธ์กล่าวคือ ผลกระทบหลักของตัวแปรอธิบาย ตัวหนึ่ง จะครอบคลุมผลกระทบของตัวแปรนั้นโดยเฉลี่ยจากค่าทั้งหมดของตัวแปรอธิบายตัวที่สองซึ่งค่าของตัวแปรนั้นมีอิทธิพลต่อผลกระทบของตัวแปรแรก^{[ 1 ]}หลักการของความมีขอบเขตบ่งชี้ว่า โดยทั่วไปแล้ว การทดสอบ การประมาณค่า หรือการตีความผลกระทบหลักของตัวแปรอธิบายในกรณีที่ตัวแปรเหล่านั้นมีปฏิสัมพันธ์กัน หรือในทำนองเดียวกัน การสร้างแบบจำลองผลกระทบปฏิสัมพันธ์แต่ลบผลกระทบหลักที่มีขอบเขตจำกัดออกไปนั้น เป็นสิ่งที่ไม่ถูกต้อง^{[ 2 ]}แม้ว่าแบบจำลองดังกล่าวจะสามารถตีความได้ แต่ก็ขาดความสามารถในการใช้งาน เนื่องจากแบบจำลองเหล่านั้นละเลยการพึ่งพาของผลกระทบของตัวแปรหนึ่งต่อค่าของตัวแปรอื่น

Nelder ^{[ 3 ]}และ Venables ^{[ 4 ]}ได้โต้แย้งอย่างหนักแน่นถึงความสำคัญของหลักการนี้ในการวิเคราะห์การถดถอย

ถ้าตัวแปรต่อเนื่องอิสระสองตัว เช่นxและzต่างก็มีอิทธิพลต่อตัวแปรตามyและถ้าขนาดของผลกระทบของตัวแปรอิสระแต่ละตัวขึ้นอยู่กับระดับของตัวแปรอิสระอีกตัวหนึ่ง สมการการถดถอยสามารถเขียนได้ดังนี้:

${\displaystyle y_{i}=a+bx_{i}+cz_{i}+d(x_{i}z_{i})+e_{i},}$

โดยที่iเป็นดัชนีของข้อมูลสังเกตการณ์, aคือค่าคงที่, b , cและdคือ พารามิเตอร์ ขนาดผลกระทบที่จะต้องประมาณค่า และeคือค่าความคลาดเคลื่อน

หากนี่คือแบบจำลองที่ถูกต้อง การละเว้นพจน์ใดๆ ทางด้านขวาจะไม่ถูกต้อง ส่งผลให้การตีความผลลัพธ์การถดถอยคลาดเคลื่อนไป

ในแบบจำลองนี้ ผลกระทบของxต่อyจะได้จากอนุพันธ์ย่อยของyเทียบกับxดังนี้${\displaystyle b+dz_{i}}$ซึ่งขึ้นอยู่กับค่าเฉพาะนั้น${\displaystyle z_{i}}$ณ จุดที่กำลังประเมินอนุพันธ์ย่อย ดังนั้น ผลกระทบหลักของx – ผลกระทบเฉลี่ยเหนือค่าz ทั้งหมด – จึงไม่มีความหมาย เนื่องจากขึ้นอยู่กับการออกแบบการทดลอง (โดยเฉพาะความถี่สัมพัทธ์ของค่าz ต่างๆ ) และไม่ได้ขึ้นอยู่กับความสัมพันธ์พื้นฐานเท่านั้น ดังนั้น:

• ในกรณีของปฏิสัมพันธ์ การพยายามทดสอบ ประมาณค่า หรือตีความค่าสัมประสิทธิ์ "ผลกระทบหลัก" bหรือcโดยละเว้นพจน์ปฏิสัมพันธ์นั้น ถือว่าผิดพลาด ^{[ 5 ]}

นอกจากนี้:

• ในกรณีของการปฏิสัมพันธ์ การไม่รวมbหรือc ถือเป็นเรื่องผิด เพราะจะทำให้ได้ค่าประมาณของการปฏิสัมพันธ์ที่ไม่ถูกต้อง^{[ 6 ] [ 7 ]}

• แบบจำลองเชิงเส้นทั่วไป
• การวิเคราะห์ความแปรปรวน