让$\{\mathbf{y} _1个，\cdot，\mathbf{y} _N（_N）\}$是$$N$独立重复一个实验，其中$\mathscr{E}\mathbf{y}=\mathbf{X\beta}$和$\mathcr{E}（\mathbf-y}-\mathbf2{X\beta}）f{\beta_1'}，\cdot，\mathbf{\beta}_r'\rbrack$和$\sigma^2$是未知参数。我们研究了$N^{\frac{1}{2}}（\hat{\mathbf{\beta}}_N-\mathbf{\beta}）$的一些大样本性质，$V_N=N（\hat{\mathbf{\beta}}-N-\mathbf{\beta}_0）'\mathbf1{T}{-1}（\ hat{\ mathbf}_N-\ mathbf（\beta{0}）/\sigma^2$和$V{Nj}=N（\hat{mathbf{\beta}}_{Nj{-\mathbf}_{j0}）'\mathbf{T}^{-1}_{jj}（\hat{mathbf{beta}}_{Nj}-\mathbf}{j0}）/\sigma^2；\quad 1\leqq j\leqq r$其中$\hat{\mathbf{\beta}}_N=N^{-1}\mathbf{TX}'（\mathbv{y} _1个+\cdots+\mathbf{y} _N（_N）)$和$\mathbf{T}=\lbrack\mathbf{T}（T）_{ij}\rbrack=（\mathbf{X'X}）^{-1}$。因此，我们的结论适用于关于$\mathbf{\beta}$和$\{\mathbf{\beta}_1，\cdots，\mathbf1{\be塔}_r}$的推理问题。给定$\mathbf{y}$的某些高阶矩，我们给出了$N^{\frac{1}{2}}（{mathbf}\beta}}_N-\mathbf{\beta{）$、$V_N$、$\{V{N1}、\cdots、V{Nr}}$分布的界，方差是样本方差。比率$U_N=\sigma^2V_N/\hat{\sigma}_N^2$和$\{U{N1}，\cdots，U{Nr}\}$，其中$U_{Nj}=\sigma^2\mathbf{垂直}_{Nj}/\hat{\sigma}_N^2$和$\hat}_N^2]是样本方差。