线性模型的内容十分丰富,其中最小二乘估计更是精华,而递推最小二乘估计在数据处理中有着广泛的应用。用最小二乘法对模型中的未知参数进行估计,估计的精度不仅取决于统计数据的准确性,还与新增数据的动态性有关等等。本文在前人研究的线性模型和广义线性模型其系数的最小二乘估计的递推算法的成果上,对线性模型和广义线性模型参数估计的递推进行了进一步的研究,提出了新的递推算法。在根据原有数据建立了线性模型,随着新增数据的不断进入得到了新增数据后其系数的最小二乘估计与原有的数据其系数的最小二乘估计之间的关系称为纳新问题。如果剔除某个过时的数据后,其系数的最小二类估计与原有的数据其系数的最小二乘估计之间的关系称为吐故问题。另外新增数据、剔除数据和原有数据三者之间其系数的最小二乘估计之间的关系称为吐故纳新问题。建设数据资料是按着时间的先后顺序一批一批收集得到,且跟批数有关(批数为,n=1,2,…).本文提出了一种新的线性模型的纳新数据资料、吐故数据资料、吐故纳新数据资料其系数的最小二乘估计的递推算法称为n-递推算法。一般情况下,假设线性模型的误差是等方差且不相关的,但是很多实际问题中,它们的误差方差可能不相等,也可能彼此相关的。本文在研究广义线性模型的递推算法的基础上,得出了一种新的广义线性模型的纳新样品资料、吐故样品资料、以及吐故纳新样品资料其系数的广义最小二乘估计的n-递推算法公式。