凡是对数理统计有所认识的学者，都知道线性模型的重要性，因为许多具有实际意义的重要分支，如多元分析、回归分析、方差分析、试验设计等，都是以线性模型的理论为基础，或与之有密切联系。对统计线性模型而言，基本的问题之一是参数估计，然后以参数估计的结果进行深入的统计分析，分析结果的好坏往往依赖于参数估计的好坏，尽管文献中提出了各种参数估计，但如何从统计判决的角度来衡量这些估计的优良性，一直是一个重要的研究课题，参数估计的可容许性正是用来解决此类问题的重要统计工具。 本论文共分四章：第一章为绪论部分，主要介绍可容许估计的发展概况以及本人所作的主要工作；第二章是预备知识，主要介绍一些常用的损失函数和可容许估计的概念，了解和掌握这些内容对于后面章节的叙述是必要的；第三章是关于回归系数的可容许估计，这包括统计线性模型不受约束和受约束的情形。本文在线性模型受随机等式约束的情形下，获得了非齐次线性估计在非齐次线性估计类中的可容许估计与齐次线性估计在齐次线性估计类中的可容许估计的关系；第四章是误差方差的可容许估计。关于误差方差的可容许估计，文献中主要研究二次型线性估计的可容许性，包括齐次二次型和非齐次二次型。关于齐次二次型线性估计，文献[20]，[21]已有了一些结论。本文的工作是改变[20]，[21]中关于线性模型假设的条件，得到了二次型线性估计是可容许估计的必要条件。