广义线性模型(Generalized linear models，GLM)是实际生活中应用最广泛的正态线性模型的最主要扩展，它包含Logistic模型，Probit模型，Log-Log模型，极值模型等一系列重要模型。它既可以用于变量是连续性的情况，又可用于是离散性时的情况。变量选择是从众多的自变量x中选取对目标变量Y有重要影响的变量，舍弃影响较小甚至影响是微乎其微的变量。　　 本篇论文主要对广义线性模型下的变量选择方法和拟似然估计的相合性进行了研究，一共由六部分组成：　　 第一章是绪论，主要介绍研究背景，文献综述及其本文的主要工作。　　 第二章介绍了广义线性模型的基础知识和常见的变量选择方法。　　 第三章介绍了利用约束(Rao)检验准则和Wald检验准则，对广义线性模型分别在自然联系和非自然联系下各给出一种变量选择方法，并在一定的条件下，证明以上两种方法均具有弱相合性。　　 第四章主要是将线性模型中的变量选择原则推广到广义线性模型中间，指出了该原则在实际中具体的操作步骤；并就广西高校学生视力调查中间出现的过多变量进行了实际操作选择，且和用传统的AIC方法计算的结果进行了比较，指出此方法的可行性。　　 第五章主要研究广义线性模型在一般联系函数下拟似然估计方程根的情况，在较弱的矩条件限制下，得到强相合性和根的强收敛速度。　　 第六章指出了本论文研究工作的某些局限，并对广义线性模型的研究提出了某些展望。