在线性回归模型对于参数估计问题中,最小二乘估计有很多很好的性质。最小二乘估计是很具有影响力,也是使用范围最大的参数估计办法,在线性回归模型参数估计中有很重要的位置。在电子计算机的快速发展的社会中,线性回归模型被用于许多领域解决问题。遇见问题就避免不了的会出现选择的变量少选、多余、赘余等的情况,这样会导致选择的变量或随机的干扰项呈现出来序列相关性、已方差性、多重共线性等多种问题。为处理多元线性的回归中自变量之间的多重共线性的问题,常用的有以下几种方案:岭估计、主成分估计、偏最小二乘估计、泛岭估计。在阅读很多参考文献的前提上,本文针对线性回归模型中的多重共线性讨论了岭估计、主成分估计、偏最小二乘估计,并且提出来了泛岭估计和C_L准则及M(7)C(8)准则。现在常用的解决线性回归中多重共线性问题的方法有很多,并且其理论与功能是各不相同的。在回归建模中,主成分估计和偏最小二乘估计使用了成份提取的方式,因为偏最小二乘估计想到了与因变量之间的联系,所以经过比较知道了偏最小二乘估计比主成分估计更具优越性。