回归模型广泛应用于经济、数学、计算机科学、工程等领域,国内外学者也对其进行了大量的研究,其中回归参数估计问题是其重要的研究领域之一。在众多的回归模型中,半相依回归模型和约束回归模型占据着重要的地位,也具有广泛的应用场景。混合模型同样是一类应用十分广泛的模型,常用于复杂数据的建模。本文研究了线性约束下的半相依回归模型和半相依混合模型的回归参数估计问题。线性约束下的半相依回归模型既有半相依回归模型中的相依信息,又有约束回归模型的约束条件。主要研究内容包括:协方差已知时,本文提出改进的约束最小二乘估计和约束的协方差改进估计,并证明它们是无偏的且分别优于约束最小二乘估计和协方差改进估计。协方差未知时,提出上述两个估计量的两步估计,使用理论和数值模拟证明了它们的优良性。同时,本文利用矩阵级数表达,获得线性约束下的半相依回归模型解的矩阵级数表达,进一步对比了它与约束的协方差改进序列的极限和改进的约束最小二乘序列的极限,并讨论了它们之间的联系。最后在两个经典的假设下,本文得出了约束的协方差改进序列的极限和改进的约束最小二乘序列的极限之间有趣的关系。最后,本文进一步拓展半相依回归模型至半相依混合模型,研究半相依混合模型中的回归参数估计问题。主要研究内容包括:协方差已知时,提出了改进的广义最小二乘估计,并证明它是无偏的且优于广义最小二乘估计;协方差未知时,提出了两步改进的广义最小二乘估计,并通过数值模拟验证其优良性。