混合效应的线性模型中含有两类参数:一类是固定效应参数,另一类是随机效应部分的方差分量参数.许多文献所讨论的线性混合模型,一般要求其中随机效应部分服从标准正态分布,在这一条件下对其中的参数作出各种估计.　　 本文在此基础上,主要研究讨论了在线性混合模型中,随机效应不仅是标准正态分布的情况下,分别对这两类参数作估计和检验.　　 对于模型中的固定效应参数的估计,本文首先提出一种办法,将不同的线性混合模型转化为满足Guass-Markov假设的线性模型,在此基础上,根据不同的情况,对其中的固定效应参数作最小二乘估计；当模型在较强的复共线性时,相应的对其做岭估计,并比较最小二乘估计与岭估计之间的优劣:当其中的随机变量之间并不独立时,通过对模型的变换,求出参数的广义最小二乘估计.　　 设计阵的QR分解能使得在方差分量估计中达到简化运算,节省内存等效果,本文对模型作一定变换后对设计阵作QR分解.在方差分量的估计中,运用所得的结果,进一步简化计算.　　 对于模型中的随机效应的方差分量的估计,许多文献已提出很多方法,本文在此基础上,本文就模型中随机效应部分的不同分布情况下,研究讨论了方差分量的ANOVA估计,MINQUE估计,极大似然估计,限制极大似然估计,以及谱分解估计.