线性EV模型自提出便得到了学者们的大量研究,并且在医学、金融、生物等方面有着广泛的应用。该模型保留了自变量中存在的误差,是简单线性模型的延伸但比线性模型更加符合实际情况。大偏差和中偏差原理是概率论研究的热点问题之一,其研究核心是稀有事件的收敛速度问题。相比于中心极限定理以及经典的大数定律,大偏差和中偏差能够给出较为具体的速率函数,能够对随机变量序列的极限行为以及模型中参数估计收敛性的刻画给出较为精确的结果。考虑到线性EV模型中存在两个误差,且误差之间往往存在相依关系,这种相依关系对线性EV模型的参数估计的收敛性可能存在影响。因此,本文研究在随机误差为相依情形下,线性EV模型中参数最小二乘估计的收敛速度问题。全文共分为四章,主要内容如下:第一章绪论部分,主要讲述与本文相关的研究背景和研究现状,介绍了线性EV模型,列出所用到的大偏差和中偏差理论相关知识,阐明了本文主要研究内容。第二章是本文第一个重要结果,通过负相关序列的性质,结合G（?）rtner-Ellis定理,在假设线性EV模型中两个误差为平稳的负相关序列情形下,给出并证明了该模型参数最小二乘估计的中偏差原理。第三章是本文第二个重要结果,主要讨论了两个误差为m相依平稳随机序列时,线性EV模型参数估计的中偏差。根据m相依序列的定义,在证明中将序列分为两个独立部分和尾部,利用独立同分布序列的中偏差原理并结合H（?）lder不等式来进行处理。第四章归纳了本文研究问题证明方法的优缺点,并提出了可继续研究的相关方向。