本书为作者近几年在数理统计线性模型参数估计理论方面所做的研究工作的总结。　　全书共分四章。第一章是预备知识，第二章讨论线性模型回归系数的最小二乘估计及一般线性估计的相合性问题，第三章介绍误差方差估计的大样本性质，第四章讨论小样本理论，即回归系数的线性估计与误差方差的二次型估计的容许性问题。

目录
序言
第一章 预备知识 1
§1.1 矩阵与线性模型 1
§1.2 判决函数与容许性 10
§1.3 概率论中的若干极限定理 18
参考文献 29
第二章 回归系数最小二乘估计的相合性 30
§2.1 LS估计弱相合的条件 31
§2.2 一般线性弱相合估计的存在问题 43
§2.3 LS估计的r阶平均相合性 54
§2.4 LS估计的强相合性 64
参考文献 88
第三章 误差方差估计的大样本性质 90
§3.1 *的相合性 91
§3.2 一致性收敛速度（I） 104
§3.3 一致性收敛速度（II） 119
§3.4 非一致性收敛速度 135
§3.5 *的分布的渐近展开 151
参考文献 155
第四章 线性模型参数估计的容许性问题 156
§4.1 回归系数的线性估计的可容许性I（在线性估计类中） 157
§4.2 回归系数的线性估计的可容许性II（在一般估计类中） 171
§4.3 矩阵损失下回归系数线性估计的可容许性 182
§4.4 误差方差的二次型估计的可容许性I（在二次型估计类中） 189
§4.5 误差方差的二次型估计的可容许性II（在一般估计类中） 213
参考文献 216