Venkateswarlu, K. (1997). Estimation of Variance Components Based on a Diallel Model Involving Maternal and Maternal Interaction Effects. Biometrical Journal, 39(3), 287–295. http://doi.org/10.1002/bimj.4710390304
在文献中有几种方法可用于估计变量分量。这些是：
- 方差分析（ANOVA），
- 最大似然（ML）（HARTLEY和RAO，1967），
- 限制最大似然（REML）（PATTERSON和THOMPSON，1971; CORBEIL和SEARLE，1976），
- 最小标准二次无偏估计（MINQUE）（RAo，1971a，1971b），
- 亨德森的方法三（HENDERSON，1953），
- 二次最小二乘估计（QLSE）（SEELY，1969,1970,1971; SEELY和ZYSKIND，1971; YUAN，1977）和
- 对称和（SS）（KOCH，1967,1968）方法。
当数据是平衡时，ANOVA，MINQUE，REML（忽略非负性），SSA和QLSE将给出相同的估计量，并且已知它们具有属性（在正态性下），例如： - （i）公正;
- （ii）所有作为观测值二次函数的无偏估计量之间的最小方差;
- （iii）正态性下的已知抽样方差。
当数据平衡时，ANOVA，SSA和QLSE易于计算，也不需要分布假设，但ML和REML需要分布假设，并涉及反转大矩阵。在MINQUE和Henderson方法3的情况下，不需要分布假设，但是仍然存在反转大矩阵的问题。在平衡数据的情况下，QLsE和SS估计量减少到ANOVA估计量。然而，实验者通常具有不平衡数据（即，在子类中具有不同数量的观察的数据）。更多地，数据收集不能被控制以确保平衡，因此经常有必要使用不平衡数据来估计方差分量。对于具有不平衡数据的方差分量的估计，可以使用诸如ML，REML，Henderson method3，MINQUE，SSA和QLSE的方法。但是，当考虑使用不平衡数据的并行和双交叉配合设计时，使用ML，REML和MINQUE等方法的复杂性将是难以想象的。
