广义可加部分线性模型由广义线性模型衍生而来，在其基础上，增加了可加非线性部分，这使得广义可加部分线性模型具备了非参数模型和参数模型的优点.广义可加部分线性模型既具备处理离散型数据的能力，如处理计数数据和属性数据等，又可以通过对非参数部分的处理，增强数据信息的利用，进而在实际的运用时，使预测更加准确.在处理纵向数据时，广义可加部分线性模型同样也具有相应的广义估计方程.纵向数据经常出现在经济学、社会学和医药研究等方面.伴随着大数据的时代的到来，纵向数据的结构也变得复杂，维度也相应的增加，甚至是高维的，这就产生了所谓的“维数祸根”.在普通的回归模型下，一般情况研究是在样本容量趋于无穷，协变量维度固定的条件下进行的.因此研究维数发散的纵向数据具有一定学术价值.　　本文对样本容量n→∞，协变量维度m发散的Logistic可加部分线性纵向数据模型，通过拓扑同胚定理、样条函数、李雅普诺夫中心极限定理和中值定理等方法，在较弱的条件下证明了其广义估计方程估计的渐近存在性，相合性和渐近正态性.改进了文献中的相应结果.