一般線形モデルを踏まえて、ここからは変量効果が導入される。まず、変量効果がどのようなものかを示すために、単純な分散分析の固定効果の部分を変量効果に置き換えて、両者を対比している。このステップが理解をすすめるためのポイントのように思われる。すなわち、変量効果は何も特別なことをしているわけではなく、固定効果ならば変数の各水準の効果を検討する代わりに、変量効果ではそれぞれの水準が目的変数に及ぼす効果を正規分布からランダムに取り出されたものとして推定しているに過ぎないということがわかってくる。そうすると、変量効果の使いどころもおのずと見えてくるのではないか。つまり、階層化されたデータにおいて、上位レベルのグループごとに下位レベルの変数の誤差項が独立ではない時とか、上位グループの違いを統制して分析をしなければならない時、一般線形モデルでは統制変数として所属する上位グループをダミー変数として投入する。このときグループによる違い、すなわちグループという水準間の差に関心があれば、そのままダミー変数を固定効果として検討すればよい。しかし、グループごとに誤差項が独立ではないことが想定されるが、グループが異なることによる違いそのものには関心がなく、かつグループ数が大量にある時には、これらを固定効果として推定するのは（自由度の消費など、、）問題が大きい。そのような場合、上位グループを変量効果としてモデルに投入し、各グループの効果を水準として推定するのではなく、それぞれの効果は平均が0の正規分布に従ってランダムに生じたとみなして、その分散だけを推定することで倹約的にモデルを推定する。これが混合モデル、ないしはマルチレベルモデルの1つの捉え方だといえるのではないか。