缺失数据是科学研究中的一种常见现象．如在人口普查、环境监测、医学试验及森林资源调查等大型资料的收集与分析活动中，往往由于失访、无回答、填写结果不合格、森林资源的原样地已不存在，以及在资料收集、整理过程中不合逻辑的数据剔除等，都会产生缺失数据的现象．当缺失数据客观存在时，如何进行科学处理，以便充分利用已有的信息资料，准确反映研究群体的特征，并进行预测、预报，以达到预期研究之目的，已成为信息社会中统计分析研究的一个难点和热点问题，具有重要的理论意义和实用价值． 本文主要内容如下： 1．回顾了通常解决缺失数据问题的借补方法．如单值借补、多值借补等．借助于现代统计计算的手段，如EM算法、DA算法和MCMC方法等，给出了进行借补的统计原理和方法． 2．简单介绍了林学研究中的常见模型，主要研究在缺失数据下，对线性模型参数的估计方法，推导出了基于EM算法和MCMC方法参数估计的迭代公式． 3．以8个杉木固定样地观测资料的真实数据建立的模型为依据，给出了用EM算法、Gibbs抽样方法以及多重借补方法在不同缺失率下的参数估计，实现了上述三种算法在林分生长模型有缺失数据时的应用，得到了较好的结果．结果表明：多重借补方法仍然是目前解决缺失数据问题的一种较好方法．