广义线性模型是经典线性模型的直接推广,它可适用于连续数据和离散数据统计分析,特别是属性数据和计数数据。　　假设数据由序列{(yi,xi),1≤i≤n}构成,其中yi是q维响应变量,xi是p×q阶回归设计阵,yi的均值与xi的线性组合xiβ通过一个一一映射的联系函数相联系,即Eyi=u(xiβ),此处β为p维未知向量,其真值为β0且未知。一般β0首先要由有限样本观察值通过极大似然法或极大拟似然法进行估计,且有关广义线性模型的统计分析大都是依赖于极大似然估计或极大拟似然估计的渐近性质。同极大似然估计相比,极大拟似然估计有更广泛的应用。　　本文中,我们研究固定设计下基于拟似然方法的估计方程(即拟似然方程,公式略)解βn(即极大拟似然估计)的渐近正态性问题。　　全文主要分为以下几个部分:　　在第一章中,介绍了广义线性摸型及其联系函数的基本概念。　　在第二章中,讨论了广义线性模型统计推断的两种重要方法:极大似然法和极大拟似然法。　　在第三章中,将文献[31]中的条件减弱到(公式略),在一些正则性的假定之下,我们证明了固定设计广义线性模型极大拟似然估计βn的渐近正态性结果,推广文献[31]中的结果。