教育心理学、统计遗传学、经济学、工程学、社会学等学科领域中存在很多的重复测量的数据。对此类数据常常使用随机效应模型进行相关统计分析。当聚类数据近似服从正态分布且能用线性结构来描述时,则用线性随机效应模型分析这类数据比较有效。但是,随着社会及科学技术的快速发展,人们对数据处理精度的要求越来越高,遇到不是正态或不能用线性结构来描述的聚类数据越来越多,这在客观上推动了随机效应模型的理论和应用的发展。为了能更好的适应发展的需要,随机效应模型已经从线性随机效应模型逐步拓展到非线性随机效应模型,广义线性随机效应模型,指数族非线性随机效应模型,非线性再生散度随机效应模型。由于非线性再生散度随机效应模型包括了前述所有的随机效应模型,其应用范围极其广泛。因此,对此类模型的研究在随机效应模型的理论乃至整个回归反应系的理论和方法上都具有重要的意义。局部影响分析方法的作用是评价模型扰动的敏感程度,由于局部影响分析方法简单且对模型的评价非常有效,因此这一方法被应用到很多重要的模型中。本文系统的研究了非线性再生散度随机效应模型的局部影响分析,并验证了所提方法的可行性及实用性,主要研究内容如下:1、非线性再生散度随机效应模型未知参数极大似然估计的EM算法。由于模型的边缘似然函数涉及到难以处理的多重积分,普通的非线性回归算法常常无法解决,因而本文通过视随机效应为假象的缺失数据,借助于MCMC方法中的Metropolics-Hastings（简记为M-H）算法产生随机效应条件分布的随机样本和Monte Carlo积分,对EM算法中E步的高维的难以处理的积分进行近似,用Newton-Raphson迭代算法计算M步中的最大值,从而获得该模型未知参数的极大似然估计。2、非线性再生散度随机效应模型的局部影响分析。本文将局部影响分析方法应用到非线性再生散度随机效应模型中,并讨论了常见的三种扰动模型（样本内加权扰动模型、样本间加权扰动模型、解释变量加权扰动模型）,进而从不同角度得到了该模型局部影响分析的简洁公式。3、可行性研究。为了验证所得结论的正确性和方法的可行性,我们通过实例分析（药物血浆渗透数据的参数估计及局部影响分析）检验上述的方法及得到的简洁公式。最后从使用的角度说明了上述方法的可行性及优越性。综上所述,本文按照“模型参数估计→局部影响分析→实例验证”的思路,研究了非线性再生散度随机效应模型未知参数的极大似然估计的EM算法以及非线性再生散度随机效应模型的局部影响分析,为在理论上进一步研究再生散度模型这个大模型类的局部影响分析提供了参考,具有明显的理论意义。同时,由于非线性再生散度随机效应模型应用领域非常广泛,因此,结论具有很大的实用价值。