本文对广义估计方程方法进行了梳理研究,并将该方法运用到阿尔兹海默症（AD）患者脑部功能性核磁共振成像数据（FRMI）中。在前面已有的研究中已经发现,脑部区域HP、EC、MTG、PCC的强度对患有AD疾病的患者影响很大。本文通过广义估计方程方法,探究分析了数据中这几个区域的强度之间的具体关系,并且也考虑了广义估计方程中不同工作相关矩阵结构的选取对模型结果的影响。探究发现,区域MTG强度和区域HP,EC,PCC的强度以及Year之间的研究,所建立的模型得到的结果最为理想（参数估计出来的结果都很显著,且误差平方和也比较小）。并探究了AD患者FRMI数据出现缺失的情况,数据填补的效果,以及填补后再建模的效果,我们对FRMI数据进行不同比例的缺失,采用均值插补、K最近邻插补、决策树插补、随机森林插补、多重插补法进行缺失数据填补。从缺失数据填补值与真值作比较的结果来看,发现均值插补法对于我们的AD患者FRMI数据插补效果最差,K最近邻插补法和多重插补法对FRMI数据的插补效果较好。从缺失数据填补后进行GEE建模的结果分析来看,在缺失率不是很大的情况下,我们选取的缺失方法中K最近邻插补法和多重插补法的表现不错,用这两个方法填补的缺失数据再GEE建模后估计出来的系数在显著性水平0.05下,都很显著。不过在缺失较大的情况下,发现我们选取的所有插补方法都不能保证估计出的模型变量系数显著。缺失率水平较大,对我们的模型参数估计效果还是有较大影响。从模型得到的Pearson残差图结果图可以发现,均值插补的效果最差,随着缺失率的变大,均值插补的效果越来越不行。其他选取的插补方法在Pearson残差结果图中表现不错,尤其是K最近邻插补和多重插补法。