广义线性模型在生物、医学、经济和社会学等领域有着广泛的应用，它适用于连续数据和离散数据，特别是后者。论文主要目的是研究广义线性模型(GLM)中部分协变量数据随机缺失时，模型参数的极大拟似然估计在一些正则条件下的相合性和渐近正态性问题。　　论文首先讨论了当协变量和响应变量均为离散变量，部分协变量(列向量)随机缺失时，基于 EM算法，提出一种新的方法，即利用有效数据线性预测补足协变量数据缺失部分，运用到指定均值和方差关系的参数拟似然估计中，并证明了在一些适当的正则条件下通过这种方法得出的参数估计具有相合性和渐近正态性。　　其次将结论进行了推广，即响应变量为多维，协变量为矩阵，用选取的适当的矩阵值函数来取代均值与方差的关系，并证明了运用提出的新方法得出的参数的拟似然估计在一些适当的正则条件下具有强相合性。　　最后介绍了几种较为常见的GLM模型及常用的检验方法。通过具体数据进行模拟，对比了累积比数模型和Logistic模型的参数估计，说明了在分类适当的情况下，得出的两种模型的分析结果很相似。然而在数据分类不恰当时，累积比数模型比Logistic模型的分析结果更为可靠。