本论文主要研究了以下两个方面的内容：线性模型中多重共线性的识别与修正；多指标建模与预测。 1.多重共线性的识别与修正 主要工作包括对多重共线性产生的机理和后果的定性和定量分析，几种常用的多重共线性程度的度量(包括条件数法、方差膨胀因子、泰依的多重共线性效应度量、数据冗余的度量)的分析和数值比较，然后针对具体的例子进行实证研究。所得的结论是，尽管四种度量是从不同的方面对多重共线性问题进行描述，所得的结论是一致的。另一方面，它们都不能具体给出哪些变量是多重共线性的。最后运用上述方法对具体的模型进行了多重共线性的诊断且运用岭回归对模型进行了改进，其结果改善了模型的拟合与预测效果。 2.多指标建模与预测 本文运用多元回归模型方法建立了多指标预测模型。在矩阵损失下，找到预测指标的估计的最佳线性估计类。进而得到了几个最佳线性估计。对所得估计的性质进行了细致地分析。