线性回归模型是现代统计学中最重要的模型之一。从理论上和应用上来看，线性回归模型中最基本的问题是估计回归参数。根据G—M定理，我们知道最小二乘估计是最好的估计并且有着广泛的应用。　　 但是，随着容许性理论的发展和对含有较多自变量的大型回归问题的研究，人们发现在有些情况下最小二乘估计变得很坏。因此人们开始寻找新的估计来代替最小二乘估计。从减小回归系数的最小二乘估计的均方误差出发，人们提出了很多重要的估计如岭估计、Stein估计和Liu估计等。在这些估计中，Stein估计是最简单、提出最早的一种有偏估计，在有偏估计发展史上占有重要地位。　　 在第三章里，从考虑一类线性估计的最小广义均方误差出发，我们提出了一种新的Stein估计。在均方误差(MSE)准则下，得到了 优于最小二乘估计的充分条件。接着我们介绍了一种新的评价估计优良性的准则——Pitman准则，分析了Pitman准则的合理性后，我们也得到了在此准则下 优于最小二乘估计的充分条件。　　 Bayes方法已经渗透到统计学的各个领域，成为统计学的重要组成部分。在不同的先验分布下，我们得到了线性回归系数的Bayes估计，并且证明了在Pitman准则下Bayes估计是一致地优于最小二乘估计的。在 已知时，Stein估计是一种Bayes估计，这说明了我们提出的新估计 也是某个先验下的Bayes估计。