【摘要】缺失数据现象在观测数据中是十分常见的问题,而EM算法是针对缺失数据问题中求参数估计的常用方法,将不完全数据转化为完全数据问题来处理,本文针对缺失数据的分层线性模型提出了Guass-Seidel型迭代方法,其主要思想是,迭代产生当前最新值,并运用最新值计算得到下一步最新参数估计值,对分层线性模型中固定效应与随机效应部分的参数估计进行推导,依据判断准则决定迭代过程的收敛,迭代过程结束,本文主要贡献之一在于利用Guass-Seidel型迭代提高算法收敛速度。