【摘要】【目的】贝叶斯统计法能够利用先验信息与样本信息去进行统计推断，可有效提升模型参数的可靠程度和稳定性。【方法】本研究以天山云杉林为研究对象，使用3块100 m×100 m天山云杉调查样地数据，利用经典统计方法（极大似然法）、贝叶斯法构建天山云杉树高-胸径模型。利用随机抽样法抽取80%样地数据进行建模，20%样地数据进行检验，对比分析基于经典方法的非线性模型和非线性混合效应模型以及基于贝叶斯法的贝叶斯模型和层次贝叶斯模型的表现和参数分布。【结果】通过对比非线性模型和贝叶斯模型，贝叶斯模型的a、b、c 3个参数置信区间比非线性模型的分别要窄53.86%、46.87%、65.17%。而层次贝叶斯模型和非线性混合效应模型相比，层次贝叶斯模型的固定效应参数置信区间比非线性混合效应模型的要窄37.21%、62.62%、49.31%，但随机效应参数标准差的置信区间更为分散。基于贝叶斯法的模型，其参数标准差均低于基于经典方法的模型。4种树高-胸径模型的拟合结果显示：层次贝叶斯模型的拟合效果优于其他3种模型，其决定系数（R~2）为0.961。拟合精度显示：层次贝叶斯模型的预测精度略高于非线性混合效应模型。【结论】两种混合模型虽然在拟合结果上没有明显区别，但与非线性混合效应模型相比，层次贝叶斯模型在参数估计的稳定性上更好，其预测更具可靠性。