在统计学领域中，贝叶斯统计学作为一门新兴的统计学科正在越来越受到学术界的认可和关注，而其中，多层贝叶斯建模方法是目前社科领域中应用最为广泛的贝叶斯统计方法之一。本文主要针对目前国内学术界对多层贝叶斯方法研究的不足，以及在消费者行为研究中存在的问题，提出以多层贝叶斯方法理论与应用研究为基础，通过构建多层贝叶斯随机效应模型来解决传统结合分析模型无法同时实现对个体消费者水平参数精确估计以及对消费者偏好差异性描述的问题。首先，本文对多层贝叶斯方法的理论来源、基本原理、推断方法以及学派思想进行评述，旨在说明多层贝叶斯方法是一种以贝叶斯理论为基本思想，以贝叶斯统计推断为估计方法的新型贝叶斯统计方法；其次，本文对多层贝叶斯方法的基本建模机理、计算方法以及在各领域中的应用进行评述，旨在说明多层贝叶斯方法是一种以多层先验分布法为建模方法，以MCMC法为主要计算方法，并已广泛应用于多个领域的层次模型方法；再次，本文针对传统结合分析模型在消费者行为研究中存在的不足与困难，提出以多层贝叶斯方法构建多层贝叶斯随机效应模型来解决；最后，本文采用实证研究法和评价研究法对多层贝叶斯随机效应模型在消费者行为研究中的应用价值进行实证分析。通过采用包含手机产品的6个重要属性、17个属性水平以及18种轮廓产品的结合分析方案，对189位具有不同人口特征变量的手机消费者进行问卷调查，进而将其与传统哑变量回归模型进行比较，并根据所得参数结果来实现对消费者的个体内行为和个体间行为的全面分析。根据实证分析结果得到如下结论：一方面，多层贝叶斯随机效应模型在个体参数估计方面，较传统哑变量回归模型具有更好的模型拟合能力和预测能力，且人口特征变量的加入在一定程度上提高了这两种能力；另一方面，多层贝叶斯随机效应模型将消费者的差异性通过一个连续的正态分布进行描述，且人口特征变量的加入对这些差异性进行了解释，因此它能综合解释目前在消费者偏好行为研究中所存在的不确定性。