近年来,对于线性统计模型的研究已经趋于成熟,很多研究已经在实际中得到广泛的应用。半参数回归模型是20世纪80年代后逐渐发展起来的一种新的对于参数研究的统计模型,它可以分为两部分：一部分是线性回归部分,另一部分是观测因素下未知量。这就可以克服参数模型在表达客观模型方面的局限性,在描述实际问题是就更加接近真实,对其做相应的研究,更具有一定的理论研究和实际应用的意义。本文主要研究半参数回归模型以及它的几类有偏估计,主要内容如下：1、讨论了半参数回归模型的主成分估计,然后对其理论性质进行相应的研究,并证明其在均方误差意义下满足相应条件时优于最小二乘估计。2、根据线性回归模型的相关研究,构造了半参数回归模型的主成分岭估计,然后对其理论性质进行相应研究,并在均方误差意义下,讨论满足相应条件时,半参数回归模型的主成分岭估计优于最小二乘估计。3、讨论在均方误差意义下,满足相应条件时,半参数回归模型的主成分岭估计优于其单一的主成分、岭估计。4、对参数附加一定的约束条件b=Aβ,构造半参数回归模型约束条件下的主成分估计和主成分岭估计,并证明在均方误差意义下满足一定条件时,使得约束条件下主成分估计优于普通的最小二乘估计,约束条件下岭型主成分估计优于普通的岭估计。5、对参数附加一定的随机约束条件b=Aβ+η,构造半参数回归模型随机约束条件下的主成分估计和主成分岭估计,并讨论它们的一些相关性质。6、用R软件对上述理论做相应的Monet Carlo模拟,说明理论研究的有效性。