随着数据收集技术的不断发展,在气象、医学、经济等领域的许多数据都出现了明显的函数特征,这类数据就被称为函数型数据。传统分析方法在处理这类数据时不仅容易造成“维数灾难”,还容易丢失采样点之间的信息。为此,函数型数据分析方法应运而生,其思路是将观测到的数据视为一个函数,进而对函数曲线进行统计分析。目前,许多传统的分析方法和模型在函数型数据中都得到了推广,其中函数型线性回归模型已成为一个热门的研究课题。广义部分函数型线性模型是函数型线性回归模型的一种推广,该模型允许标量协变量和函数型协变量同时存在,又允许响应变量是离散的,因此具有更广的应用范围和更强的预测能力。目前针对广义部分函数型线性模型估计问题的研究,大多都是假设函数型协变量是一元的,但随着技术发展,一元假设已不能满足实际问题的需要。本文的创新点是将广义部分函数型线性模型的函数型协变量推广至多元情形,研究了该模型的拟似然估计,并建立了估计量的大样本性质。本文基于函数型主成分分析,推导了参数系数和非参数斜率函数的拟似然估计,并通过数值模拟验证了估计方法的有效性,再通过一个实例分析证明了混合协变量的引入有助于提高模型的预测性能,最后给出了参数系数估计的渐近正态性和非参数斜率函数估计的收敛速度,并给出了完整的证明。