两向分类混合效应模型是一类特殊形式的线性混合模型，常被应用于纵向数据、面板数据、遗传数据等各类重复测量数据的统计分析中。近些年的研究发现，有很多实际数据并不服从正态分布，而观测数据有时也会因为各种原因而随机缺失。本文则结合偏正态分布和缺失数据来研究两向分类混合效应模型下均值对照的统计推断问题，重点是探讨均值向量中各分量之间的差异性检验。　　首先，第3章研究了在数据随机缺失的两向分类混合效应模型下均值对照的统计推断问题，我们放松了随机效应为正态分布的条件，考虑随机效应是任意分布的情况。通过线性变换把均值对照的统计推断转化为关于新参数的统计推断问题，得到了感兴趣参数的简单估计和关于均值对照假设的精确检验，并通过数值模拟研究了该估计和检验的优良性，验证了它们对随机效应分布的稳健性。　　其次，第4章考虑了带偏正态随机误差的两向分类混合效应模型的均值对照的统计推断问题，证明了第3章给出的误差方差的估计仍然是无偏的，关于均值对照假设的检验仍然是精确的F-检验。进一步，模拟比较了正态误差和偏正态误差下该F-检验的检验功效和实际显著性，验证了其在偏正态随机误差下也具有优良的性质。　　最后，本文还借助于数值模拟进一步探索研究了在其他非正态随机误差下，以上F-检验的稳健性问题。