多层验证性因子分析模型(Multilevel Confirmatory Factor Analysis Models)被广泛地应用于心理学、教育学等社会科学以分析异构数据。在前人研究的基础上,本研究对传统的多层验证性因子分析模型进行改进,以处理观察指标之间的局部依赖性。在新模型中,我们将使用贝叶斯Lasso先验对模型的方差协方差矩阵进行建模,在保证其正定性的同时对该矩阵进行稀疏估计(即只允许少量非对角元素不为零)。本研究还提出了相应的马尔科夫链蒙特卡罗算法,对所提出的新模型进行贝叶斯分析。所提出的新模型在保持因子结构(包括因子数目以及因子与题目之间的关系)不变的同时保持模型的简洁性,并且改善模型的拟合程度。本研究还针对模型的识别问题和模型比较问题进行了详细讨论。最后,本研究通过模拟计算以及实际数据分析去评价所提出的模型的有效性和实用性。