Logistic回归模型是针对二值因变量（y=1或者y=0）情形进行回归分析时普遍应用到的一种模型。近些年来有关Logistic回归模型的研究工作，包括模型的随机效应、模型的参数估计、模型回归自变量的选择等等统计推断问题是统计回归理论中备受关注的前沿研究课题。针对这些课题，本文选取实际问题中经常遇到的不完全数据下Logistic回归模型的参数估计作为课题进行研究。在很多实际问题的研究中，经常有一部分数据缺失或无法获得，比如人为失误将数据遗弃或丢失、抽样调查中一些被调查个体不愿意提供调查者所需的一些相关信息、调查人员收集不到完整的信息等等。总之，不完全数据在社会经济研究、抽样调查、图像的处理等领域中是经常出现的。在数据分析、数据挖掘等工作中也是普遍存在的。论文首先介绍了有关不完全数据情形的一些问题，Logistic回归模型及其性质，模型参数估计方法。当然，对于论文中问题解决所需要用到的EM算法理论也作了简略概述；其次结合EM算法，针对不完全数据情形（包括协变量缺失和辅助信息不完全两种情形），详细推导了Logistic回归模型极大似然估计的EM算法实现过程。最后选取有关实际数据，进行实例研究。实验结果表明：在不完全数据的情况下，利用EM算法对Logistic回归模型进行极大似然估计，算法可行，估计精度较高。