在实际问题中，由于自变量和因变量都存在着测量误差，而EV(errors-in-variables)模型在处理问题的过程中，综合考虑了自变量和因变量的误差因素。因此与一般线形模型相比，EV模型具有更好的结果，应用范围更为广泛。传统的EV模型认为：系数都是固定不变的。但是在许多实际问题中，系数往往是随着实变量的变化而变化的，因此传统的EV模型具有局限性。为了更好的解决这类问题，就需要对变系数EV模型进行研究。 目前对变系数结构关系EV模型的研究已经有了很多成果，北京师范大学的崔恒建教授在此方面颇有建树。他给出了各估计量在较弱的条件下模型参数的估计方法，并给出了参数相合性的证明。本文对这一模型参数估计理论进行完善，以便于人们更好的应用变系数结构关系EV模型去解决实际问题。首先，本文对变系数结构EV模型的参数估计方法进行研究，采用加权正交回归方法估计变系数结构关系EV模型的变系数。在此基础上，本文对采用加权正交回归方法估计得到参数的性质进行了研究，主要做了以下三个方面的工作：一、在比较弱的条件下，证明了这种估计具有渐近正态性；二、进一步求出了该估计收敛到真值的速度；三、在误差服从正态分布时，求出渐近方差的显式表达式。在此基础上，做了模型的推广，上述结论对于无截距的简单形式同样适用。通过这些工作，完善了参数估计方法的理论基础。 最后，本文对渐近正态性进行了模拟验证以及实例验证。结果表明了上述结论在实际中完全适用。