贝叶斯分层线性模型 (Bayesian HLM) 通过对所有模型参数设置先验分布并用观测数据进行更新，来估计嵌套或聚类数据中的线性关系。它同时模拟组内和组间的变异，通过后验分布完全传播不确定性，而不是依赖渐近近似。

可以设想这样的数据：学生嵌套在班级中，班级又嵌套在学校中。贝叶斯 HLM 为每个组拟合一条回归线，但它不将每个组视为完全独立，而是通过先验分布跨组汇集信息。数据量少的组可以借鉴全局模式；数据量多的组则接近自身的估计值。贝叶斯层意味着每个系数和方差分量都附带一个完整的后验分布——而不仅仅是一个点估计和一个标准误差——因此即使对于小样本组或稀疏数据，不确定性也能得到诚实的量化。