Logistic回归模型是广义线性模型中的一种,主要应用在流行病学当中,研究一些具有单调递增且增长有极限的过程,对比或探索某疾病的危险因素,模型是基于0-1分布.而广义的Logistic回归模型在实际生活中常被用在可靠性理论与生存分析的应用中,它在模型中的变量形式有很多种.因此本文考虑在几何分布下的广义Logistic回归模型.国内外的学者对这类模型的参数估计进行了一定的研究,但并没有用贝叶斯的方法对其进行参数的估计,贝叶斯方法是统计学研究的重要方法,具有频率学派所不具备的优点.因此将贝叶斯方法应用到该模型中,即研究几何分布下广义Logistic回归模型的贝叶斯估计.本文首先考虑单参数模型,通过极大似然与贝叶斯两种估计方法对模型中的参数进行估计,运用贝叶斯方法时,分别选取正态分布,联合分布作为先验分布一一进行参数估计,并对估计结果进行比较;在多参数模型中,运用贝叶斯方法,选取不同的先验分布:广义无信息先验分布,联合正态先验分布以及联合先验分布,分别进行贝叶斯估计的计算,比较不同先验信息对估计结果所产生的影响.由于几何分布下广义Logistic回归模型的贝叶斯估计积分很复杂,不能求解.因此,本文最后借助Open BUGS数据仿真软件,并运用Gibbs抽样方法抽取后验样本进行数值模拟,从而得出结论.