多水平模型主要用于处理具有分层结构的数据；本文首先简述了多水平模型的发展历史，并结合传统的回归模型给出了多水平模型的一般形式，然后给出了模型的参数估计和假设检验，在参数估计方面，突破了传统模型的参数估计方法(最小二乘、极大似然)，本文给出的是如何运用Gibbs 抽样方法来估计多水平模型的参数；　　 接着阐述多水平模型如何在应用研究中运用，通过将湖北省23个城市的1995 —2007年的年降雨量数据序列进行数据变换，由于各个城市之间地域性的差异，因此降雨量有很大的差别，故我们可把降雨量序列作为水平一，地域特征作为水平二；首先建立了一个两水平统计模型，给出模型的参数估计值，然后将参数估计值作为预测模型的发展系数和模型内在控制量，拟合出降雨量，并将模型进行误差分析，然后进行模型的检验，给出了若模型拟合效果较差如何进行修正的方法，结果显示模型有较强的实用性。　　 同一个城市不同年份的降雨量又可以看做一个重复测量问题，因此可以将降雨量的序列建立一个纵向研究的两水平统计模型，通过加入背景变量来解释不同城市间降雨量的差异，并运用所建立的纵向研究模型拟合降雨量，然后进行误差分析；　　 至此，本文对降雨量问题已经分别建立了一个横向研究的两水平统计模型和纵向研究的两水平统计模型，并将常用的移动平均法预测降雨量与所建立的两个模型进行对比分析，结果显示三个模型各自都能从一定程度上反映降雨量的发展趋势；为了更好的预测降雨量，考虑三个模型的线性组合，建立一个组合模型，以使得组合模型的残差平方和最小，最后将组合模型拟合的降雨量以及其他三个模型拟合的降雨量与真实值对比，求出其相对误差和模型的平均相对误差，结果显示组合模型较单个的模型有一定的改进。