线型回归模型是近代统计分析理论中非常重要一类数学模型,其基本的理论方法也成为其他统计问题研究的基本工具之一,其中参数的估计问题是很多学者们都特别关注的问题。随着对参数估计问题的不断研究,很多研究结果都表示,传统意义上的最小二乘估计在解决许多问题时,假如出现一个病态的设计矩阵,最小二乘估计就不是一个理想的估计,它的效果会变差,甚至有可能失效。因此它已经不在是一个最优的估计。因此出现了许多新型的估计量,比如岭估计,主成分估计,广义岭估计和Stein估计等等。随着研究的进一步发展,很多专家学者开始对如何对岭估计的参数更好的选择进行了深入研究,提出了多种关于选取岭参数K的方法。本文主要研究参数估计的三个问题:第一,Stein型根方估计。首先给出Stein型根方估计,给出几个定义,然后通过实际应用的例子来证明Stein型根方估计优于其他一些估计。第二,关于岭参数K的选取问题,主要介绍一些岭参数K的几种选取方法。并且对其中的岭迹法进行了实例证明。第三,(cM)准则下的泛岭估计和Stein型根方估计的性质。主要讨论的在(cM)准则下两种估计的优良性。