用途：对具有嵌套结构的数据（如学生嵌套于学校、员工嵌套于企业）进行分层线性建模，将方差分解为组内与组间成分，允许截距和斜率随机变化，从而获得无偏估计与正确标准误。
适用条件：数据存在层级嵌套；组内相关系数（ICC）不可忽略（经验阈值 ICC > 0.05）；研究问题涉及跨层交互（群体层变量调节个体层效应）；或重复测量、纵向数据嵌套于个体（增长模型）。不适用情形：数据无嵌套或聚类可忽略；第二层单位过少（少于 20 个）；只关心固定效应且无群体层预测变量；嵌套为交叉结构而非层级结构。
主要能力与流程：第一步估计零模型（仅截距），计算 ICC = τ₀₀ / (τ₀₀ + σ²)，判断组间方差占比；第二步加入第一层预测变量（随机截距模型），必要时对第一层变量做组均值中心化；第三步加入第二层预测变量与跨层交互，检验群体特征是否调节个体层斜率；第四步用偏差（-2LL）、AIC、BIC 比较模型，报告固定效应（含稳健标准误）、方差成分及各层解释方差比例。输出包含数据结构表、ICC、固定效应表、随机效应表、模型比较表与局限性说明。
关键假设：第一层残差正态且组内方差恒定；随机效应跨组正态；随机效应与预测变量独立（除非建模）；第二层单位数量足以稳定估计方差成分。
注意事项：忽略嵌套结构会低估标准误、抬高第一类错误率；总体均值中心化与组均值中心化回答不同研究问题；第二层单位少于 20 会导致方差成分估计有偏；无理论依据地加入随机斜率可能不收敛；加入第一层变量后第二层伪 R² 可能为负；存在第三层嵌套时忽略会偏误第二层估计；两层预测变量多重共线性会放大跨层交互标准误。
参考资料：Raudenbush & Bryk (2002)、Hox 等 (2018)、Snijders & Bosker (2012)。具体安装命令与运行方式暂未提供。