在统计分析中,经典的回归模型已经不能用来刻画越来越接近实际的混合数据.针对现实生活中存在大量的混合数据,多元统计分析中的聚类分析方法是分析混合数据的重要统计工具之一.为了深入地分析混合数据之间的关系,许多统计学者研究提出了混合回归模型.而混合回归模型的大力推广与运用,使得用它来分析两个或两个以上的子聚类混合数据变得更加精确实用.而大量混合异方差数据的存在对现实影响很大,所以需要我们探究方差的来源,了解影响方差波动的因素,从而我们有必要对方差进行建模,充分了解方差的来源,并且控制方差.所以本文系统地研究提出了混合联合均值与散度模型来分析处理混合异方差数据.具体内容包含以下几个部分：第一,在本文中主要运用了混合回归模型和双重广义线性模型.其中混合回归模型作为统计方法可以用来研究两个或两个以上子聚类混合数据,此模型在保险、生物学、医学、金融学等领域具有非常高的实用价值;而双重广义线性模型较一般的线性模型具有更多的适用范围,它的优点在于它不仅对均值进行了建模而且对未知且不等的方差进行了建模,从而有效的了解方差的来源信息、并且及时的控制了方差的非齐次性.第二,在混合数据下对特定的逆高斯与对数正态分布建立广义线性联合均值与散度模型,并且充分利用EM算法对模型的参数进行极大似然估计,最后通过Monte Carlo模拟,得出该估计参数的方法是有效和可行的.第三,在混合Tweedie分布下建立广义线性联合均值与散度模型,并且利用扩展拟似然与伪似然方法对参数进行极大似然估计,从模拟和实例研究中我们可以看出：这两种估计方法运用在此模型下是有效、实用和精确的.