بسیاری از جوامع آماری دارای ساختار سلسله مراتبی هستند. بعنوان مثال دانش آموزان در کلاسها و کلاسها خود در مدارس واقع شده اند. در برخی موارد، مانند وقتیکه با تعداد کم یا انگشت شماری از واحدهای سطح بالاتر (در اینجا مدارس) مواجه هستیم و توجه معطوف به همین چند واحد است می توان با استفاده از مدلهای خطی، همانند رگرسیون برای هر مدرسه مدل جداگانه ای ارائه نمود. اما نمی توان نتایج حاصله را به همه مدارس در جامعه تعمیم داد. برای تعمیم نتایج به همه مدارس ، لازم است که مدارس را بعنوان نمونه ای تصادفی از مدارس در نظر گرفت که دانش آموزان در کلاسهای آنها قرار دارند. تجزیه و تحلیل یک چنین نمونه ای با استفاده از مدلهای خطی منجر به نتایج نامعتبر و گمراه کننده ای می شوند چرا که در این مدلها ساختار ذاتی داده ها و تصادفی بودن واحدهای سطح بالاتر منظور نشده است . در سالهای اخیر آمار شناسان برای مدل بندی چنین داده هایی نظریه مدلهای چند سطحی را ارائه نموده اند. در این مدلها ضرایب در هر سطح می توانند متغیری تصادفی و تابعی از خصوصیات همان سطح باشند. بعبارت دیگر در این مدلها بیش از یک عبارت باقیمانده (خطا) در مدل وجود دارد و این امر ضرورت بکارگیری روش های خاصی را (مانند روش تکراری حداقل مربعات تعمیم یافته (igls)) جهت بدست آوردن پارامترهای مدل ایجاب می کند. بکارگیری مدلهای چندسطحی به محقق امکان پی بردن به این امر که اثرات در کجا و چگونه اتفاق می افتند را فراهم می کند. همچنین این مدل ها برآوردهای بهتر و پاسخ های واضح تری را به سوالات تجزیه و تحلیل در مقایسه با تجزیه و تحلیل های تک سطحی ارائه می دهد.