一般的回归模型只考虑被解释变量的误差,而忽略了解释变量的误差。但在实际应用中,被解释变量和解释变量的观测值通常都带有测量误差,这无疑会对参数的估计产生偏差。EV模型是考虑到被解释变量和各个解释变量都含有测量误差的回归模型。本文从正交回归分析的角度讨论了EV模型的参数估计,主要做了如下三个方面的工作。1.利用点到超平面正交距离的旋转不变性,对样本点整体进行线性变换,使正交最小一乘估计要处理的最小化函数关于参数可导,进而根据光滑函数取极值的一阶条件和二阶条件证明了P维线性EV模型中,正交最小一乘估计出超平面必经过P+1个样本点的性质。2.将光滑的思想引入到正交最小一乘估计中,提出了光滑正交最小一乘估计,解决了在样本量大、模型维度高的情况下正交最小一乘估计无法做计算的问题。还从加权的角度分析了正交最小二乘估计、正交最小一乘估计以及光滑正交最小一乘估计之间的关系,进而指出了光滑正交最小一乘估计的合理性。3.将光滑正交最小一乘估计应用到多维线性与简单的非线形EV模型的参数估计中;并对计算过程中的Newton迭代公式作出了改进,从一定程度上解决了非线形EV模型的参数不收敛的问题,保证了参数初值取定在一个宽松的范围内时也能收敛到真值附近。通过对加入了异常点的模拟数据进行分析,验证了光滑正交最小一乘估计比正交最小一乘估计具有更好的稳健性。