混合系数线性模型是应用性极强的一类重要的统计模型，是统计学中的一个重要分支。由于人们很难得到模型中最理想的最佳线性无偏估计，最小二乘估计成为代替它的一个好的选择，并被大多数人使用。由于这种替代并非完全等价的替代，它将使估计结果发生些许变化，这样就使得估计精度蒙受了一定的损失，相对效率正是为了度量这种损失而被学者们引入的。相对效率以及其应用就自然成为热门的话题，并且在近年来有较快的发展。　　本文对该模型给出了较为详细的描述和解释，并且对模型进行了简单的处理，主要是在模型中引入对角阵，转换得到了模型的典则形式。继而考虑该模型的参数估计，主要有最小二乘估计、s-k估计、改进的s-k估计、改进的岭估计g-ω估计等。　　在此基础上对模型中参数估计相对效率进行了研究，得到了一些新的相对效率。首先引入已有的相对效率，通过计算得到LSE与改进型的岭估计的相对效率，并且证明了其在混合系数线性模型下的性质，同时给出了相对效率的上下界。其次，利用相同的思想，提出了一种该模型的新相对效率，在模型下证明了新相对效率的性质，并给出了它的的上下界。