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。
HLM大大的扩展了可以被评估的分层模型的范围.它同样提供了比先前版本更大的便利.下面是有关关键新特征和选项的综述。
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程序允许连续计数、序数和名义变量和假设结果的期望和一组解释变量的线性组合的函数关系。这种关系是由一个合适的链接函数定义的，例如，身份链接（连续结果）或logit链接（二进制结果）。
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。
HLM较新版本在建模多层次和纵向数据方面提供了**的灵活性。
-/gjjiac/-
http://awen20.b2b168.com
