参数的有偏估计及估计性质的相关问题是线性回归模型研究的热点问题，本文主要讨论了混合回归模型中参数的有偏估计及预测等相关问题。本文试图通过附加不同的约束条件对混合回归模型参数的最小二乘估计进行了改进研究，得出具有各自优点的两类有偏估计类，主要有以下几方面的工作：（1）通过附加椭球约束，利用条件极值的方法得到混合广义岭型估计类，并推导出混合广义岭型估计类在广义均方误差、均方误差矩阵下优于广义岭型估计类的条件及混合广义岭型估计类在广义均方误差准则与PC准则下优于混合最小二乘估计的条件，通过实例进行了验证分析。并将结论应用到已有的几种常见估计中，丰富了混合有偏估计理论。同时对模型的预测问题进行了研究，对基于混合广义岭型估计类的经典预测优于最优预测的情况进行了讨论。（2）通过附加拓展的随机线性约束，利用最小二乘估计的思想得到了混合Liu型估计类，对估计类的一些性质进行了论证，并对在均方误差和均方误差阵准则下混合Liu型估计类优于混合广义岭型估计类的条件进行了理论分析。最后对混合Liu型估计类相对于混合最小二乘估计的效率问题进行了讨论，通过分析选择了一种简单而有效地相对效率形式，求得了相对效率的上下界。经过理论和实例分析，本文提出的满足一定约束条件的两种有偏估计类在特定的条件下均可在一定范围的估计类中达到最优，因此在实际中具有较大的应用优势。