在经典的线性回归模型中,我们认为模型中自变量的系数是固定不变的常数,模型中自变量对因变量的影响不随其它变量的变化而变化。然而在许多实际问题中,这种假设太过于理想化,模型往往不能满足实际数据的需要,为了解决这一问题,统计学家们提出了变系数模型这一概念。变系数模型是一类在许多领域都有着广泛应用的回归模型,与经典的线性模型相比,变系数模型具有了更好的灵活性和适用性,模型既能描述自变量和因变量之间的关系,又能反应数据的其它变化特征。在环境、地理和经济领域的数据分析中,变系数模型备受人们的关注。如今,该模型被广泛运用到经济学、金融学、医药科学和生态环境等领域。本文首先简单的回顾了变系数回归模型的基本知识,在给出了自变量系数满足时间序列高斯AR(1)模型的logistic回归模型后,我们给出了此模型的参数估计方法,并在不同的样本数n和不同的观测时间t下,利用统计软件R对模型参数估计进行模拟分析。最后,将此模型运用到美国密西根交通部记录的实际交通事故数据中。由于交通数据的因变量是一个二分类变量,我们就用广义的线性回归模型中的logistic回归对其进行建模,又通过对数据的分析,发现logistic回归模型的自变量系数随着时间的变化而变化,所以我们就用时变系数广义线性模型来对这类数据进行建模,来探索导致交通事故严重后果的危险因素。