离散选择模型是交通方式划分中应用较为广泛的一类模型，该模型的一个重点就是如何从调查数据中估计得到更加准确的参数。本论文研究了在丢失数据下交通方式划分的非集计模型参数估计问题。由于居民出行意愿调查存在不确定性，总会有着部分被调查者的部分类别数据没有获得，同时该类数据必须作为模型参数输入。论文详细研究了如何在存在该类数据的情形下，仍然采用所有观测数据完成离散选择模型的参数估计。本论文首先总结了现有的对于离散选择模型中参数估计的方法，详细研究了Logit模型和混合Logit模型的似然函数计算方法；根据R中数值计算需要将效用函数分为三类变量：公用参数变量、个人—选择肢变量和选择肢—选择肢变量；通过详细例子说明了如何在R语言中使用Mlogit完成离散选择模型的参数估计。在完成对似然估计介绍基础上，研究了数据丢失类型随机丢失下的离散选择模型求解方法。提出了在不完全数据下的两阶段模型：首先采用多次填充方法将丢失的数据表格填充为多个完全的数据表，再分别对每个数据采用普通离散选择模型进行参数估计，最后将得到的多个估计参数进行合并；通过R软件完成了方法的仿真；计算结果表明该两阶段模型能得到更加精确的估计参数。最后，论文讨论了居民出行意愿调查中数据丢失为不可忽视的、依赖于丢失数据自身情形下的参数估计方法，采用MCEM方法对使用所有观测数据的似然函数进行估计，详细说明了该方法的计算方法；通过R软件完成该方法的仿真；计算结果表明MCEM方法得到的似然函数值与完全数据下基本吻合。