纵向数据广泛应用于医学、生物学、经济学和心理学等研究领域。纵向数据分析已成为统计学研究的热点领域之一。纵向数据往往从不同侧面体现了个体的某一潜在特征,而这一特征是潜在的、不可直接观测的。然而往往对这个潜在特征及其与协变量的关系感兴趣。本文的动机是2009年东北师范大学儿童心理测量中心关于4-7岁学龄前儿童信息加工效率的研究数据,概述了纵向数据个体潜在特征的研究,考虑了个体潜在特征服从正态分布的情况下的统计分析,同时考虑了广义线性混合模型中的个体随机效应未给定分布信息情况下的统计分析。考虑个体潜在特征服从正态分布的情形,个体潜在特征的估计及其与协变量的关系是我们感兴趣的。本文主要借鉴潜变量的思想对儿童加工速度数据建立了潜在加工能力模型。此方法不仅能够有效评价协变量对潜在加工能力的影响,而且能够通过计算其后验均值获得每个儿童潜在能力的估计。额外,此方法还能够获得四个任务的个体潜在加工能力在不同年龄组的相关结构。利用EM算法获得模型参数的估计。模拟研究和实例分析评价了该方法的可行性。考虑广义线性混合模型中的个体随机效应未给定分布信息的情况,给定个体随机效应的条件下,数据是来自同一个机器测量的,数据之间可能存在相关性。相关结构选择误识别时,会影响回归参数估计的效率。为此,本文结合混合GEE和条件二次推断函数的优点建立了条件混合GEE方法。条件混合GEE方法的优点是不需要个体随机效应的正态性的假定,同时还能够考虑给定随机效应的条件下,数据之间的序列相关,而且能够识别数据的真实相关结构。利用迭代算法获得模型参数的估计。在一般的假设条件下,证明了回归参数估计的相合性和渐近正态性。模拟研究和实例分析表明了该方法具有很好的表现。