HLM（Hierarchical Linear Model，分層線性模型）是一種統計分析方法，用於處理多層次數據，進行線性和非線性的階層模型分析。在HLM中，不僅改善了原有的界面，而且增加了新的統計功能，比如對線性模型增加了交叉隨機效應（Cross-classified random effects），對三層數據增加了多項式模型（Multinomial Models）。
社會研究和其它領域中，研究的數據通常是分層（hierarchical）結構的。在這種情況下，個體可以被看成是研究的第一層（level-1）單元，而那些區分開他們的組也就是第二層（level-2）單元。這可以被進一步的延伸，第二層（level-2）的單元也可以被劃分到第三層單元中。
在分析這樣的數據時，需要專業的軟體。分層線性和非線性模型（也稱為多層模型）的建立是被用來研究單個分析中的任意層次間的關係的，而不會在研究中忽略掉分層模型中各個層次間相關的變異性。
HLM模型時涉及到兩個重要的專業術語，分別是『固定效應』和『隨機效應』。固定效應是指做HLM模型時，不涉及group干擾時的影響關係研究；隨機效應可指在group層面時的影響關係情況。
HLM模型既考慮樣本是否獨立，還考慮低層次變數之間的影響，以及高層次變數對低層次變數的影響。