多环境试验是最基础最常用的农业试验,基因型与环境互作(GE)在作物中是比较普遍的现象。但是,在多环境试验中,由于各种各样的原因,试验数据往往存在缺失。本文主要研究在数据存在缺失情况下,基因型与环境互作效应分析方法。由于主效应可加互作效应可乘(AMMI)模型、基因型主效应加基因型与环境互作效应(GGE)模型和联合回归模型(又称为F-W模型)是常用的GE效应分析模型,本文主要考虑这三种模型。本文对基因型效应和环境效应是否看作随机变量分别考虑。首先,将基因型效应和环境效应均看作固定效应,即在固定效应情形下,给出了有缺失数据时AMMI模型和GGE模型的基于EM算法的参数估计。然后,将基因型效应看作固定,将环境效应看作随机,考虑了F-W模型在异方差混合模型下的参数估计,给出了其极大似然估计,由于该极大似然估计通常没有显式解,需通过迭代法求得,而EM算法由于其优良性常用于缺失数据情形下,本文又给出了对应的基于EM算法的参数估计方法。最后,本文通过一个实际数据来说明本文给出的固定效应下GGE模型的基于EM算法的参数估计的效果。结果表明,在数据缺失比例不高时,缺失位置数据用给出的参数估计方法填补后,能够很好的恢复原始数据的模式。同时又以一个缺失数据集为例,对本文所给方法对品种一般适应性、特殊适应性、环境鉴别力和代表性等的影响进行了研究。