本文主要研究了纵向数据中关于稳健推断的相关问题，涉及有效且稳健的广义估计方程(ERGEE)方法和有效且稳健的经验似然推断(EREL)方法。　　首先，在第一章绪论中，介绍了一下和本文相关的基本概念。纵向数据普遍应用在医学、社会经济学和生物学等学科中，目前已经引起了很多研究者的关注。其主要特点是各个个体或单位之间是独立的，但是每个个体或单位之间重复测量的数据是相关的，而且由于这个特点，导致如果一个个体测量中有异常值，那么样本中将会有一系列的异常值，这也使得研究纵向数据的稳健性很有必要。随后介绍了在纵向数据中被广泛使用的广义估计方程(GEE)方法以及经验似然推断(EL)方法的起源。最重要的是把经验似然推断方法和广义估计方程方法结合，这是本文要讨论的核心方法。　　其次，在第二章中，基于纵向数据的广义估计方程(GEE)方法，提出了相应的稳健广义估计方程(RGEE)方法和有效且稳健的广义估计方程(ERGEE)方法。其中RGEE方法主要采用的减小异常值影响的方法是采用权函数和把Huber函数作用到皮尔逊残差上，而ERGEE方法则主要是引进了一个新的有界的指数得分函数，也有效的降低了异常值的影响。而且还给出了ERGEE方法所估计出来的参数的渐近正态性和详细算法。　　然后，在第三章中，首先详细介绍了均值的经验似然推断方法，随后根据经验似然推断方法和广义估计方程的结合，类似的提出了在纵向数据中稳健的经验似然推断(REL)方法和有效且稳健的经验似然推断(EREL)方法。同样给出了EREL方法所估计出来的参数的大样本性质以及详细算法。　　最后的第四章是模拟研究，包括数值模拟和一个关于癫痫病案例的实际研究。数值模拟考虑了一个连续型的例子边缘纵向线性模型和一个离散型的例子边缘纵向泊松模型。模拟研究均表明稳健的方法对减小异常值的影响有作用。第五章是定理证明，证明了ERGEE方法和EREL方法所估计出来的参数具有的大样本性质。