作为统计数据分析的重要模型之一,线性回归模型已经拥有有效的统计推断方法及完整的理论体系.该模型建立的基础是假定为未知参数,其目的是为了描述了自变量与响应变量之间的线性关系,对于模型参数估计常采用最小二乘法.但线性回归模型就实际应用而言,却存在一些问题.第一,年份久远的历史经验数据对今天回归问题分析可参考的意义并不大.第二,未知参数估计采用的最小二乘法不具稳定性.针对以上问题,考虑结合信度理论得到解决,信度理论提出在部分可信度的条件下,选择可信的单个风险或某个保单组合风险的经验数据,调整未来保费.事实上可将未来保费定价问题看作一般线性回归分析对观测变量的预测问题.本文考虑将信度思想引入回归分析,根据实际应用对回归问题进行创新.一方面,针对线性回归模型,结合广义Stein估计,得出加权线性回归信度模型及参数估计.结合实列证明该模型的加权性质和稳定性.另一方面,在加权线性回归模型的基础上结合EM算法,研究混合模型的信度估计.最后结合BLUP方法,得出两种模型下不同的信度估计形式.主要内容如下:（1）针对因为时间效应对响应变量预测不准的问题,结合部分可信条件下信度模型的思想,将经典回归模型中的未知参数假定为随机向量并且具有先验分布,结合广义Stein估计得出先验分布的估计值,在响应变量可观测的情况下,得到后验估计形式是加权形式,因而将模型称作加权线性回归信度模型.结合实例分析,验证了该模型良好的加权性质以及稳定性.（2）在加权线性回归模型的基础上,对混合线性模型分步针对固定效应与随机效应分别选择不同的似然函数,结合EM算法得出模型的信度估计以及参数估计.（3）将广泛应用于生物育种的BLUP方法应用于本文的加权回归信度模型及混合线性模型,得出不同的信度估计表达形式.最后,对本文工作进行总结和对未来工作进行展望.