有关线性模型中参数估计的研究一直是统计学中的热点问题，许多学者对其作了大量研究。在线性模型参数估计中，多重共线性(或设计阵病态)是一种广泛存在的现象，基于著名的最小二乘法在处理设计阵病态问题上的不足，很多补救方法被提出。其中比较常用的两种方法：一是有偏估计，另一种是考虑样本信息中关于参数的先验信息。线性有偏估计是克服设计阵病态的一种最直接的方法，在众多有偏估计中，影响较大且应用较为广泛的有：James-Stein压缩估计，主成分估计，岭估计，Liu估计等。而考虑参数的约束条件也是解决复共线性的一种非常有效的方法，如约束最小二乘估计，混合估计等就在一定程度上改进了最小二乘估计。本文在前人研究的基础上，考虑线性模型在无约束条件和随机约束条件下，对参数估计作了进一步探讨和研究。主要做了以下两方面的工作：　　 对于一般的线性模型，讨论了杨虎和常新锋(2010)提出的两参数估计，该估计包含了最小二乘估计，岭估计和Liu估计等常见估计。本文用不同的证明方法得出了在均方误差矩阵准则下，该两参数估计优于最小二乘估计，岭估计，Liu估计以及其他两参数估计的充要条件，且对得到的理论结果进行了实例分析。　　 对于带随机约束的线性模型，首先提出了新的加权混合Liu估计，并讨论约束条件是否为真时，在均方误差矩阵准则下该估计的优良性，给出了估计参数的最优选择。其次结合混合估计和两参数估计提出了新的随机约束两参数估计，并在均方误差矩阵准则下对相关估计的优劣性进行了比较和证明。再次分别引入实际算例验证本文对随机约束线性模型进一步研究所得出的理论结果。