Helaas zijn effectgrootten in multilevel-modellen niet zo makkelijk te gebruiken. In 'normale' regressieanalyses en ANOVA's (allen lineare modellen) neemt R^2 toe wanneer het aantal geschatte parameters toeneemt. Dat maakt R^2 makkelijk te vergelijken tussen modellen, en het maakt de effectgrootte ook absoluut interpreteerbaar.
Deze luxe is er niet voor multilevelmodellen. R^2 kan zelfs soms afnemen wanneer het aantal parameters dat geschat wordt toeneemt. Dus modellen onderling op fit beoordelen kan nog (-2LL, AIC, etc.), maar een effectgrootte zelf is controversieel.
zie bijvoorbeeld. Peugh, J. L. (2010). A practical guide to multilevel modeling. Journal of school psychology, 48(1), 85-112.