纵向数据作为目前科学研究和实际分析中大量、频繁出现的一类数据，在临床医学、流行病学、计量经济学等诸多领域存在着广泛的运用。纵向数据可以看作时间序列数据与截面数据的综合体，既含有时间序列数据又包含截面数据，可以将不同时点的研究对象有机结合，为我们提供研究对象在某一时点的变量关系的同时观察研究对象随着观测时刻的变动趋势，更好地分析研究对象的动态变化规律。其次，它可以减少个体之间的异质性，提供更多样本信息，包含更多的变化，有效降低变量间的共线性，使模型的自由度更高，构造和研究更为复杂的模型，估计和确定那些由单一横截面数据或时间序列数据所不能判断的个体间和变量间的相关性。为了更加深入研究纵向数据，统计学家和经济学家等不断丰富统计研究理论并完善、改进、提出了一系列统计模型，而在此当中半参数部分线性混合效应模型凭借自身突出的优点被各界学者频繁使用。半参数部分线性混合效应模型综合参数混合效应模型和非参数混合效应模型，将解释变量中与响应变量的关系相对清楚的部分设为参数模型，将与响应变量关系模糊的变量（如时间因素等）设为非参数模型，因此它同时包含参数与非参数部分，可以利用未知函数刻画、解释研究对象自身内部的相关性以及变量彼此间的联系，是以研究纵向数据下半参数部分线性混合效应模型存在很好的理论价值和突出的实际意义，已然发展为各个领域学者争相研究的热点方向与内容。　　整篇文章我们主要分析探究了纵向数据下半参数部分线性混合效应模型这一类模型的贝叶斯推断，着重推导了半参数部分线性混合模型以及变系数部分线性混合模型的贝叶斯推断。我们首先分析了纵向数据下半参数部分线性混合效应模型的贝叶斯推断，通过光滑样条方法逼近非参数分量，将半参数部分线性混合效应模型转化为线性混合效应模型，然后结合选定的共轭先验分布分别导出模型固定效应和随机效应等后验分布。基于所得后验分布，我们利用MCMC方法给出了模型中参数的贝叶斯估计，并在不同样本下进行模拟研究，分析了所得参数估计值的精确性，证明了所提方法的有效性。进一步，我们将上述方法推广至变系数部分线性混合效应模型的贝叶斯推断，同样利用光滑样条方法将变系数部分线性混合模型化为参数混合模型，之后在同样的先验分布下推导模型固定效应和随机效应等后验分布，并基于所得后验分布利用MCMC方法给出了模型相关参数的贝叶斯估计。同时并在不同样本下对模型进行了模拟研究，验证了所得参数估计值的精确性，而与其他条件下所得的估计结果证明了在小样本下贝叶斯方法得到的结果更可行有效的，而在设定先验假定时有信息先验假定优于无信息先验假定。此外，本文选取国内A股市场的50家房地产上市公司为研究目标，根据企业盈利指标选取的原则选择合适的变量，然后将解释变量中与盈利能力的关系比较明确的变量建立参数模型，将解释变量中与盈利能力存在不明显关系的变量建立非参数模型，然后选用半参数部分线性混合效应模型和变系数部分线性混合效应模型进行实证分析，并利用贝叶斯推断给出了实际建立模型中参数的估计值，最后将实证模拟结果与房地产行业上市公司的实际情况进行对比分析，结果表明所建模型是良好有效的。