本文研究了几类线性模型当中的假设检验问题,主要包括均值相等性检验和线性回归模型中参数显著性检验。首先研究了两个正态总体在总体方差未知时的均值检验问题,即Behrens-Fisher问题；然后在此基础上加以推广,考虑了多个总体的在方差未知且不等的情况下的均值检验问题；最后提出一种多元线性模型的参数检验方法,即CAPM的有效性检验,尤其是在样本维度大于样本期数的情况下给出一种新的参数bootstrap检验方法。本文分别提出了三种bootstrap检验方法解决上述三类线性模型的检验问题,首先将bootstrap方法与得分检验结合,给出一种解决Behrens-Fisher问题的方法,其次基于极大似然估计的思想,给出解决多个未知异方差总体的均值检验方法,最后在二次型检验统计量的基础上提出参数bootstrap检验方法。通过Monte Carlo模拟,在解决Behrens-Fisher问题和多正态总体的异方差均值检验问题中,所提出的参数bootstrap检验在控制第一类错误和检验势函数两方面都要优于传统的t检验和广义F检验,而且在样本量较小的情况下,检验效果均令人满意。针对CAPM高维情形下的有效性检验,本文结合广义加号逆的性质提出一种参数bootstrap检验方法,该方法可以用于样本维度大于样本期数的情况,应用范围更加广泛。此外模拟结果表明,已有的针对高维检验方法受随机误差项的非对角元素的显著不为零的影响较大,在弱相关或不相关的情况下效果令人满意,但是在出现强相关时检验犯第一类错误概率相应变大,而提出的参数bootstrap检验可以很好地适应不同强度的相关性要求,检验的精确度更高。