本文主要研究了基于纵向数据的线性混合效应模型中固定效应与方差分量的Bayes估计以及参数型经验Bayes(PEB)估计的构造与性质。　　论文第一章主要介绍了纵向数据，线性混合效应模型，Bayes方法和参数型经验Bayes(PEB)方法的若干基本概念及其国内外的研究现状，并给出了论文的主体结构。　　论文第二章主要讨论含有两个方差分量的线性混合模型，当其方差分量具有逆伽马共轭先验分布时在加权二次损失下的Bayes估计。并在MSE准则下研究方差分量的Bayes估计，以及适当条件下证明了Bayes估计相对于具有UMVU性质的ANOVA估计的优良性。最后利用数值模拟试验说明Bayes估计优于ANOVA估计。　　论文第三章则主要研究了由第二章推导出方差分量的Bayes估计后，当共轭先验分布中的超参数r1，r2已知，1,2未知时，通过历史样本构造出方差分量的 PEB估计。在一定的条件下证明了PEB估计在MSE准则下相对于ANOVA估计的优良性，以及PEB估计的渐进最优性质。同时利用数值实验验证了方差分量的PEB估计相对于ANOVA估计的优良性。　　第四章基于纵向数据的线性混合效应模型的两个方差分量，首先利用Bayes统计方法，在加权二次损失下得到模型中方差分量的Bayes估计。其次通过历史样本构造出方差分量的PEB估计。最后结合Newton-Raphon迭代算法与Bayes方法，得出固定效应与方差分量的同时Bayes估计，通过数值试验模拟出相应的结果。　　论文第五章则是对本文所做主要研究工作的总结，说明研究工作的实际意义，并指出今后可以进一步分析的几个问题。