本文主要研究异方差正态混合模型的检验问题，运用了广义极大似然估计(GLME)，改进广义似然比检验(GLRT)，使其也适用于异方差正态混合模型。由于RE-Bayes软件的函数只能计算同方差混合模型，故在异方差正态混合模型中，我们取得样本方差的下界σ0，利用卷积公式将异方差的混合模型转化成同方差混合模型，本文第三章理论验证了同方差混合模型与异方差混合模型的等价性，从而解决了异方差GLRT的计算问题。第四章进行数值模拟，在模拟之前要提供样本方差的下界σ0，但由于方差大小的未知性，无法提供一个可靠的下界。通过模拟发现，下界的错误设定对GLRT的功效无影响。本文在此对σ0的选取提供数据依据，得到合适的下界。为了展现GLRT的功效，在四种环境下进行数值模拟：第一种是稀疏环境；第二种是非常稀疏的环境；第三种是稠密的环境；第四种是在两个参数都不确定的环境。在这四种环境下比较GLRT与其他方法的功效，得出的结论是GLRT方法功效更好更稳健。