单指数模型是只有一个未知参数向量的半参数回归模型，常见的logistic模型、log-linear模型、probit模型等重要的统计模型都是单指数模型特殊的参数形式。单指数模型在工业制造、医学、经济和社会数据的统计分析中有着广泛的应用，尤其是应用于对商品价格函数的模型。它放松了参数模型中条件的限制，同时，与非参数模型相比，它又保持了线性模型的优点，把它用于统计建模，可起到降维的显著功效。它是一类重要的模型，已经成为半参数统计学研究的热点。关于它的参数估计和统计推断在近些年来越来越受到关注。 本文对单指数模型参数估计的算法进行了分析，做出了模型参数估计的迭代算法(应用于小样本)和递归算法(应用于大样本)，分析了单指数模型参数估计中应用于大样本的递归算法，证明了它的相合性和渐近正态性，给出了它的大样本性质。 这篇论文分成如下几个章节：第一章是引言部分，主要说明研究的模型和参数估计的算法，介绍目前国内外的研究进展，以及对作者所做工作做简要介绍。第二章介绍本文所研究的模型——单指数模型，并给出了两种算法：迭代算法和递归算法。第三章模拟了一个典型的单指数模型，提出了在大样本问题中这两种算法综合运用的方法。第四章研究递归算法的大样本性质，提出相关的定理。第五章证明了相关定理，即证明其收敛性和渐近正态性。