广义线性模型作为经典线性模型的推广，使它适用于离散数据特别是分类数据。广义线性模型一提出来就受到了学者们的重视，随着相关的研究成果越来越多的应用到统计软件上，广义线性模型成为研究教育、经济、社会、医学，生物、地质勘测等领域问题的一个很重要的工具。本文主要研究了广义线性模型中极大拟似然估计的一些大样本性质，例如：渐近存在性，渐近正态性和相合性。通过对以往各种方法的总结，推广了广义线性模型中关于极大拟似然估计的相关结论。论文首先讨论了一维广义线性模型极大拟似然估计的弱相合性。在相对文献[12]（张三国，2007）较弱的正则条件下，把典则联结的相关结论推广到非典则联结，证明了极大拟似然估计弱相合性的必要条件和收敛速度，即βn-β0=op（λ1/2n）。其次本文借鉴文献[22]（唐年胜，2010）对非线性再生散度模型大样本性质的处理思路，证明了在典则联结的情况下，多维广义线性模型极大似然估计的渐近性质。最后本文针对文献[23]（夏天，2008）所提出的问题，在适当假定及其它一些光滑条件下，用更为简便的方法证明了拟似然非线性模型的拟似然方程解的渐近存在性，并且求出了该解收敛于真值的速度为∥β n-β0∥=O（n-（δ-1/2）（log log n）1/2）。