部分线性模型是一类重要的半参数统计模型。关于部分线性模型线性部分参数向量的估计,常见的方法是运用差分法将部分线性模型转换成线性模型的形式,再运用最小二乘方法得到差分最小二乘估计。针对带相依误差的部分线性模型,本文考虑模型中线性部分参数向量存在随机先验信息的情况,基于广义差分方法,提出了几类广义差分无偏估计,并探讨了各估计在均方误差矩阵或均方误差准则下的优良性。针对部分线性模型线性部分参数向量的估计问题,基于参数向量的随机先验信息,结合广义差分法和无偏岭估计方法,本文提出了广义差分无偏岭估计,并探讨了新估计的性质。同时在均方误差矩阵意义下探讨了广义差分无偏岭估计相对于广义差分最小二乘估计、广义差分岭估计、广义差分几乎无偏岭估计的优良性。最后,基于数值模拟和实证分析方法,在均方误差意义下对广义差分无偏岭估计的优良性进行了说明。基于参数向量的随机先验信息,结合广义差分法和无偏Liu估计方法,本文提出了广义差分无偏Liu估计,并探讨了其性质。同时在均方误差矩阵意义下得到了广义差分无偏Liu估计优于广义差分最小二乘估计、广义差分Liu估计、广义差分几乎无偏Liu估计的条件。更进一步,通过数值模拟和实证分析方法,本文对广义差分无偏Liu估计在均方误差意义下的优良性进行了说明。本文将广义差分无偏岭估计和Liu估计推广为更一般的广义差分无偏两参数估计,并在均方误差矩阵准则下对其相对于广义差分最小二乘估计、广义差分两参数估计、广义差分几乎无偏两参数估计的优良性进行了理论探讨。同时本文也通过数值模拟和实证分析方法研究了其在均方误差意义下的优良性。