精度矩阵在金融工程、生物遗传、无线通信等许多学科领域中都十分重要,例如,如果已知精度矩阵,我们就可以很好地估计不同类型的最优投资组合。但在实际情况中,真正的精度矩阵是未知的,因此我们需要对它进行估计。当协方差矩阵的维度p远小于样本量n时,已有的研究结果表明,样本协方差矩阵的逆是精度矩阵的相合估计。但是,当p/n→c∈(0,1)时,在正态假设下,有E(Sn-1)=n/n-p-2∑n-1,所以样本协方差矩阵的逆Sn-1不能很好地估计精度矩阵∑n-1。此种情况下,许多文章试图解决这个问题。我们可以通过单目标线性收缩估计来考虑这个问题。单目标线性收缩估计量可以看作是一种特殊的Ridge型估计量,但它的性能受目标矩阵选择的影响,当目标矩阵的选择不合适的时候,单目标线性收缩估计量的表现会很差。为了克服这个缺点,减少由目标矩阵选取不当而导致的估计误差,本文考虑使用一列目标矩阵的集合,并且在Frobenius损失下,通过直接收缩样本精度矩阵Sn-1,来得到精度矩阵的多目标线性收缩估计。多目标线性收缩估计计算方便,而且从数值模拟和实证分析的结果也可以看出,这个估计量的性能非常好。