本文主要讨论的是纵向二分类数据的半参数Logistic回归模型的参数估计问题以及拟合优度检验问题,引进了一种改进的偏差统计量并推广至纵向数据。纵向数据是指随时间的推进而追踪得到的数据,即对每个个体在不同时间观测若干次,从而对整体的联系和个体的变化进行研究。纵向二分类数据是反应变量为二分类变量的纵向数据。半参数logistic回归模型综合了参数模型和非参数模型的很多良好特性,既有效利用了数据中的信息,又把不是很充分的信息纳入了模型,能史好的分析实际问题。本文还推导rNewton-Raphson迭代算法对模型进行参数估计偏差是常用的拟合优度检验统计量,然而,在实际问题中,由于样本容量并不大,以至于偏差统计量D与它的渐近分布χN2知-P相去甚远。在这种情况下,如果我们用D进行假设检验,效果可能会很不好。因此本文引进了偏差D的Bartlctt转换D,并将它推广到纵向数据,有效地解决了这个问题。在Monte Carlo模拟中,我们也看到,参数估计量在迭代次数并不多的情况下,能有效地收敛到参数的真值。改进的偏差统计量D犯第一类错误和第二类错误的概率均低于偏差统计量D,说明改进的偏差统计量有着更好的拟合优度性质。