线性统计模型是一类非常重要的统计模型，它包括了线性回归模型，方差分析模型等许多应用十分广泛的模型，而且线性模型的理论和方法也是学习和研究其他统计方法的基础。然而线性模型也存在一些缺点，例如它只适用于响应变量y取值连续的情形，自变量与响应变量是严格的线性关系等等。针对这些问题，Nelder和Wedderburn在1972年提出了广义线性模型，极大的拓宽了线性模型的适用领域。　　我们在求解广义线性模型参数估计的渐近分布时，用一般的正态逼近方法计算渐近方差会涉及到响应变量y的密度函数，而这一般是未知的，如果去估计y的密度也较为困难，特别当样本量较小时。于是，我们采用随机加权方法直接来逼近参数估计的渐近分布，避免对y密度的求解，使得参数估计结果更为精确。　　本文研究的主要内容就是将随机加权的方法应用到求解广义线性模型参数估计的渐近方差上，我们通过推导给出随机加权参数估计与未加权参数估计的渐近分布，并且证明它们是相同的，从而我们能够用容易获得的随机加权估计的渐近方差去近似原参数估计的渐近方差。同时，我们会用大量的数据模拟去证明该方法的可行性。