按照传统的模型选择方法，选定的模型被假定为真实模型，所有的估计与推断都是基于这一假定的。但是这样先选择模型再进行估计的方法忽略了模型选择的不确定性，其直接后果往往是估计出的方差比估计量实际的方差小。解决这个问题的一个办法是采用模型平均估计，在参数模型下，Hiort & Claeskens(2003)基于似然方法研究了模型平均估计的渐近性质，并基于模型平均估计构造了一个覆盖真实参数的概率趋于预定水平的置信区间。　　 本文将这些结果推广到有测量误差的线性模型，半参数变系数部分线性模型及有测量误差的半参数变系数部分线性模型。研究了半参数变系数部分线性模型的线性部分的频率模型平均估计的性质，并在协变量有测量误差时考察了一般线性模型和半参数变系数部分线性模型的模型平均估计，构造了感兴趣参数的置信区间。模拟结果显示，在有限样本量的情况下，对于有测量误差的线性模型，半参数变系数部分线性模型及有测量误差的半参数变系数部分线性模型，不论是估计的MSE还是置信区间，模型平均方法都比AIC方法有很大的优势。