（一）关于模型的形式

Raudenbush（1991）建立了多因变量的多层模型；Goldstein（1991）建立了离散变量的多层模型；Consul（1992）建立了多层Poisson回归模型；Raudenbush（1993）建立了交叉分类的多层模型；Muthen（1994）建立了多层结构方程模型；Agresti（2000）建立了分类变量的多层模型；Carpenter（2003）针对二层样本较少的情况，建立了自助法的多层模型。刘殿国（2009）建立了适合处理小样本数据的累加多层统计模型；Goldstein（2011）对多因变量与交叉分类数据多层模型进行了详细的讨论；Ibrahim等（2011）用惩罚极大似然估计方法讨论了一般混合效果模型中的固定与随机效果的选择；Di1等（2011）建立了具有狄利克雷混合分布的多层潜变量模型。

（二）关于模型的参数估计(www.daowen.com)

国外理论研究：Laird（1982）给出了多层模型中随机效应的判定方法，Strenio（1983）给出了多层统计模型的Bayes 估计方法，Goldstein（1986）给出了运用迭代广义最小二乘法算法的极大似然估计法估计多层模型的参数。国内理论研究：李晓松（1999）探讨了两个水平层次结构的数据拟合方差成分模型与线性回归模型的关系，石磊（2008）研究了多水平模型下基于均值漂移模型的异常点探测问题。另外Sinha（2009）用自助法进行了参数估计，通过模拟研究得到了小区域估计的稳定性；Kauermann（2009）利用惩罚似然估计法讨论了样条基随着样本规模改变时惩罚样条光滑的渐进特性；Nie等（2009）比较了极大似然估计、限制极大似然估计，以及贝叶斯方法在多正太变量下的方差参数的估计。