近二十年来，统计学家和计量经济学家越来越重视用半参数模型去解决问题，半参数可加模型是半参数模型的一种推广形式，它继承了半参数模型的优点，模型中既含有参数分量，又含有非参数分量.它是将半参数模型中非参数部分的一项未知光滑参数推广为多个未知光滑参数.半参数可加模型比半参数模型更为复杂，但是用它去解释实际问题更具有说服力.　　 Ospomer and Rupper(1999)对半参数可加模型的参数部分估计提出了Backfitting估计，Liang et al(2008)对含有两个光滑未知函数的此模型提出了Profile最小二乘估计.Wei(2012)对含有多个未知光滑函数的半参数可加模型进行了研究.在很多实际问题中，常常会遇到复共线性问题，对经典线性模型有很多方法解决复共线性问题，但是对于半参数可加模型，处理复共线性的问题的结果却还很少.2009年Akdeniz和Duran给出了半参数模型下的Liu型估计，并且理论证明其性质优于其他的估计.　　 本文针对半参数可加模型中参数部分出现复共线性，所做的工作主要包括:　　 第二部分构造了半参数可加模型的剖面最小二乘Liu估计，并在均方误差意义下讨论了它的理论性质，证明了剖面最小二乘Liu估计在满足一定条件时优于普通的剖面最小二乘估计.　　 第三部分构造了半参数可加模型的剖面最小二乘广义Liu估计，在均方误差意义下，讨论了它优于剖面最小二乘Liu估计的条件.　　 第四部分对参数附加一定的约束条件Aβ=b，构造半参数可加模型的约束剖面最小二乘Liu估计，在均方误差意义下证明了存在实数d，使得(β)RPLSL(d)优于普通约束剖面最小二乘估计(β)RPLS.　　 第五部分对带有约束条件的半参数可加模型附加线性随机约束构造新的剖面最小二乘Liu估计，在均方误差意义下讨论了它优于约束岭估计和普通最小二乘估计.　　 第六部分构造半参数可加模型的Backfitting-Liu估计和约束Backfitting-Liu估计.　　 第七部分用R软件做Monet Carlo模拟.