纵向数据统计模型是现代统计学研究的热点之一,其在经济管理、生物医药和公共卫生等领域中均有广泛的应用.在贝叶斯框架下,我们提出了几类基于离散型和连续型纵向数据下半参数部分线性偏正态随机效应模型,并研究其相应的参数估计、变量选择以及局部影响分析等问题.主要研究结果如下:（1）在半参数广义部分线性随机效应模型的相关文献研究中,通常假定随机效应服从正态分布等某一特定的分布.但在实际问题中,纵向数据常呈现偏态、厚尾等特点,这时随机效应的正态分布假设可能会导致结论偏离真实的问题.因此,我们引入偏正态分布来对广义部分线性随机效应模型中的随机效应部分进行建模,构建了一类新的模型:半参数广义部分线性偏正态随机效应模型.利用贝叶斯P-样条方法来近似模型中的非参数函数部分2)（·）.进一步,将基于线性回归模型的贝叶斯自适应Lasso变量选择方法以及最小二乘近似（LSA）方法扩展到了半参数广义部分线性偏正态随机效应模型中,并同时对这类模型进行变量选择和参数估计.最后,结合块Gibbs抽样技术和MH算法以及贝叶斯自适应Lasso的混合算法,获取了模型未知参数、偏正态随机效应和非参数函数2)（·）的联合贝叶斯估计以及协变量的变量选择.（2）将半参数广义部分线性随机效应模型推广到一类应用更广泛的复杂模型,即半参数再生散度部分线性随机效应模型.我们引入偏正态分布来对半参数再生散度部分线性随机效应模型中的随机效应进行建模,构建了一类新的模型:半参数再生散度部分线性偏正态随机效应模型.同时,利用贝叶斯P-样条来近似模型的非参数部分2)（·）.在贝叶斯框架下,利用参数的先验分布和样本提供的信息推导出参数的后验分布,发展了块Gibbs抽样技术和MH算法相结合的混合算法,同时获得了模型的未知参数、随机效应和非参数部分2)（·）的联合贝叶斯估计.（3）基于半参数再生散度部分线性偏正态随机效应模型的贝叶斯估计结果以及Zhu et al.（2011）的研究理论,构建一套贝叶斯局部影响分析方法来评价半参数再生散度部分线性偏正态随机效应模型对个体数据、先验分布、样本分布同时微小扰动的敏感性.首先,对模型构造了贝叶斯扰动流形,并在扰动流形上构造切空间以及计算度量张量,选择合适的扰动模式.其次,发展目标函数（如-差异统计量、后验均值距离统计量、贝叶斯因子）的贝叶斯局部影响测度,发展了一些易于实施的算法来计算这些贝叶斯局部影响测度.综上所述,本文在半参数广义部分线性随机效应模型以及半参数再生散度部分线性随机效应模型的研究基础上得到了一些新的结果,其推广和发展了现有关于这几类模型的一些研究工作,这些结果在理论上是值得关注的,在实际中同样有着重要的应用价值.最后,通过模拟研究和实例分析说明了所推广和发展方法的有效性.