【摘要】逆高斯回归模型可用于分析正偏态数据，人们通常研究解释变量对其均值参数的影响，但往往忽略了对其散度参数的影响，文章则基于解释变量对均值和散度都有影响的前提，针对联合均值和散度逆高斯回归模型，探讨模型参数的极大似然估计问题。MM算法在优化问题上具有分离参数、降低目标函数的维度、简化求解过程等优点，将MM算法应用于联合均值和散度逆高斯回归模型，能将多元似然函数彻底分解为一系列一元函数之和，从而绕开了参数估计中的矩阵求逆问题。模拟研究表明，当数据量达到100时就能得到很好的估计效果；实证分析表明，理论研究在实际应用中具有可行性。