线性模型是线代统计学中内容丰富、应用广泛的一个分支，是一类统计模型的总称。它是用一个数学模型来确定所研究的自变量与因变量之间的线性关系。然而，在许多实际问题中经常会遇到一种混合系数的线性模型,即线性模型的系数有一部分是固定的,而另一部分是随机的.这种模型在经济分析、可靠性退化分析、生物学以及医学等领域有着广泛的应用,但是它的结构与性质与一般的线性模型有很大的区别。　　本文就是以混合系数线性模型为基础,考虑模型存在复共线性时,对参数的有偏估计及其优良性质进行探讨.主要内容如下：　　(1)在连续测量数据的情况下,针对模型的复共线性,从有偏估计的角度出发，在LIU估计的理论基础上，对其进一步改进，得到了混合系数线性模型参数的一类新的有偏估计d*ω=(Cm-1C+I)-1(CM-1+ωd*),并证明在一定条件下该估计优于GLS和岭估计,讨论了该估计的可容许性,最后又给出了该估计的广义形式.　　(2)对于混合系数线性模型,在模型存在复共线性的条件下,依据的特征根的取值情况,在s-K估计的基础上进行改进，对大于1的特征根仍采用最小二乘估计,对小于1的特征根采用s-K估计,得到参数的一类新的有偏估计：局部s-K估计，并证明了在一定条件下，该估计较岭估计、局部Stein估计等有更小的均方误差，更有优越性.　　(3)对s-K估计进行改进，可以证明改进后得到的广义s-K估计是LS的线性变换，有偏估计和压缩估计，并让其与岭估计和Stein估计进行比较，证明了一定条件下，该估计的优良性质.