非线性模型是随机现象中最常见的一种模型,在非线性回归模型中对于最小二乘估计的渐近性质已经研究的很完整了.但是在实际生活中,我们总是遇见非标准的情况,即多误差变量的非线性模型.在本文中,我们将要分析以下模型(?)其中{Xn},{Yn}是已知的.{εn},{δn}是随机误差,{ξn}是(非随机)设计参数,g是已知函数,θ是需要估计的未知参数.我们称以上模型是带有误差的变量回归模型.基于以上模型,我们研究了当{(εn,δn),n ≥1}是k-k独立情形下,得到在某些条件下最小二乘估计相合性的结果,推广了前者相互独立的结果.当{δn}和{εn}是相互独立,其中{δn}是α-混合序列时,{εn}是α-混合序列或者是鞅差序列时,满足一些更加弱的条件时,依然证明了最小二乘估计具有相合性和偏差不等式.并且在实际推理中得到当{δn}是α-混合序列,{εn}是任何序列时,给出一些条件下,估计的相合性和偏差不等式仍然成立.为了更好地说明本文的主要研究内容,第二章介绍了相关的概率论基础知识,比如随机变量序列的两种渐近性质和鞅差的定义等.最后,又给出了证明本文的主要结果时,需要的一些概率论常用引理.第三章给出了本文的主要结果及其证明过程.在非线性误差变量模型中,分别研究了最小二乘估计的弱相合性,强相合性和偏差不等式问题.