HLM还可以提供一种情况，成员关系不仅可以是“嵌套的”，也可以是“交叉的”，就像学生在学习期间可能是不同教室的成员一样。
HLM包括纵向分析，其中个体的重复测量可以嵌入在被研究的个体内。
在社会研究等领域，研究数据往往具有层次结构。也就是说，单独研究的课题可能会被分类或重新划分到具有不同特性的组中。在这种情况下，个体可以被看成是研究的**层(level-1)单元，而那些区分开他们的组也就是*二层(level-2)单元。这可以被进一步的延伸，*二层(level-2)的单元也可以被划分到*三层单元中，*三层（level-3）单元的也可以划分到*四层单元中。这方面的例子比比皆是，比如教育，学生在**层，教师在*二层，学院在*三层，学院部门在*四层，和社会学，个人在**层，社区在*二层。显然，对这些数据的分析需要专门的软件。分层线性和非线性模型(即所谓的多层次模型)已经被用来研究单个分析中的任意层次间的关系，而不忽略与层次结构的每一级相关的可变性。
HLM软件将模型拟合到生成变量的线性模型中，并利用每一级*的变量生成解释变量。HLM不仅估计每个层级的模型系数，还能预测每个取样单元的随机效应。由于在教育领域的数据层次结构普遍存在，所以在教育领域运用较为普遍，但实际上它适合于任何层次的结构研究领域的数据使用。包括纵向分析，其中个体的重复测量可以嵌入在被研究的个体内。另外，虽然上面的例子表明，这种层次结构的任何级别的成员只嵌套在较高级别的成员中，HLM还可以提供一种情况，成员关系不仅可以是“嵌套的”，也可以是“交叉的”，就像学生在学习期间可能是不同教室的成员一样。
HLM还提供了估计分层广义线性模型的自适应Gauss-Hermite Quadrature (AGH)和
高阶拉普拉斯Laplace近似较大似然法。
HLM还提供了估计分层广义线性模型的自适应Gauss-Hermite Quadrature (AGH)和
高阶拉普拉斯Laplace近似较大似然法。AGH的方法已经被证明是有效的，尤其当集群规模小，方差分量大的时候。高阶Laplace方法需要较大的集群大学，但允许任意数量的随机效应（当集群较大时非常重要）。
HLM新版本的输出，为统计模型提供优雅的符号，包括视觉上有吸引力的表格、用户可以剪切和复制输出内容到结果中。
In social research and other fields, research data often have a hierarchical structure. That is, the individual subjects of study may be classified or arranged in groups which themselves have qualities that influence the study. In this case, the individuals can be seen as level-1 units of study, and the groups into which they are arranged are level-2 units. This may be extended further, with level-2 units organized into yet another set of units at a third level and with level-3 units organized into another set of units at a fourth level. Examples of this abound in areas such as education (students at level 1, teachers at level 2, schools at level 3, and school districts at level 4) and sociology (individuals at level 1, neighborhoods at level 2). It is clear that the analysis of such data requires specialized software. Hierarchical linear and nonlinear models (also called multilevel models) have been developed to allow for the study of relationships at any level in a single analysis, while not ignoring the variability associated with each level of the hierarchy.
HLM不仅估计每个层级的模型系数，还能预测每个取样单元的随机效应。由于在教育领域的数据层次结构普遍存在，所以在教育领域运用较为普遍，但实际上它适合于任何层次的结构研究领域的数据使用。
-/gjjiac/-
http://awen20.b2b168.com
