经过多年的发展，房地产业已逐步成为我国国民经济的支柱性产业，“住”成了城市居民在“衣、食、住、行”中的首要必需品。住房价格的变化与走势会直接影响国民经济的稳定与健康发展，同时不健康的住房价格增长也会造成贫富差距增大，两极分化明显，造成社会的极大不稳定。因此城市住房价格的研究已然成为房地产学术界关注的焦点之一。　　特征价格模型(hedonic price model)作为分析异质性商品价格的有效手段，自创立以来被广泛应用于房地产住房价格研究中，在该理论框架下，住房是一种多维度的商品，可以分解为一组特征束，因此模型中不仅会涉及到建筑物特征同时也包含住房所在位置的区域特征。然而这两种特征在住房市场空间维度上呈现出典型的嵌套结构，若是采用传统Hedonic模型回归估计方法——普通最小二乘法(ordinary leastsquares)将这种嵌套结构按单一层次处理，会严重违反普通最小二乘法有关误差项要独立、同分布的假设，从而导致估计偏误。而多层线性模型HLM(hierarchical linearmodel)是一种较为有效的处理具有嵌套结构数据的分析方法，它放松了普通最小二乘法的相关假设，不仅可以得到更加稳健的估计结果，而且可以准确刻画出住房市场中存在的层级关系。　　本文以北京市3459个住宅小区为研究对象，将北京市住房样本按住宅小区和单套住房划分为两个层级，首先建立零模型通过零模型计算得到组内相关系数为0.837，证实组间差异显著。在此基础上继续建立随机截距、随机斜率和随机截距斜率三个多层线性Hedonic住房价格次模型进行实证分析，分别探讨在区域特征和建筑物特征影响下的住房价格变动规律，并将多层线性模型回归结果与普通最小二乘法(OLS)估计结果进行比较。实证结果显示:　　(1)建筑物特征和区域特征都会对住房价格产生显著的影响;　　(2)建筑物特征对住房价格的影响会因住房所属小区的不同而有所不同;　　(3)区域特征不仅会直接影响住房价格，而且会间接作用于建筑物特征，从而调节建筑物特征对住房价格的影响程度;　　(4)与多层线性模型相比，传统回归模型因忽略了住房空间的嵌套关系，会造成回归结果系数标准误差被低估，显著性检验被高估的类型Ⅰ错误的出现。