纵向观测数据是按时间顺序对个体的某一变量进行多次观测获得的资料，每个个体得到一个观测序列，医学研究和临床试验中经常接触到这种资料。对于纵向观测资料，若采用通常意义下的t检验和方差分析等横向分析方法，将造成信息损失，更为重要的是，由于忽略了重复数据间可能存在的相关性，会导致参数估计不准确甚至错误的结论。 纵向研究，特别是其中的广义线性模型部分，许多分析方法仍处于探索阶段，尚未形成完整的理论体系。然而，纵向研究充分考虑了数据间的相互依赖性，具有提高功效以及对模型的选择具有稳健性等优点，正日益受到统计学界的广泛关注。纵向数据的分析目前多采用拟合线性模型和广义线性模型的方法，研究的焦点集中在如何解决重复观测间的相关性问题上。 本研究对连续型正态变量构造线性模型，给出了一般分析方法；对二分类变量和频数变量构造广义线性模型，提出了一套参数估计方法；对临床随访资料构造了Markov模型。主要结果如下： 1、给出了分析纵向观测正态数据的一般方法，使线性模型的分析系统化，关于回归参数的推断能够兼顾重复数据间的相关性。根据各处理组样本均数随时间变化的折线图构造线性模型，由样本V函数的散点图选择协方差阵结构，用加权最小二秉法和限制极大似然法解决参数估计问题，最后完成处理组间的比较。本研究解决了参数估计