加权整体最小二乘(WTLS)法是一种可同时顾及被解释变量和解释变量随机误差的估计方法,能够达到较高的预测精度.但是,该方法只考虑了模型的拟合优度,而忽略了复杂度,从而降低了其泛化能力.本文基于结构风险最小化原则,提出了线性EIV模型参数岭估计(PRE)方法,利用Lagrange乘数法导出了参数最优估计所满足的条件方程,并在此基础上给出了其数值解的迭代算法.为说明PRE方法的有效性,本文通过蒙特卡洛方法进行了数据模拟,进一步利用PRE方法对1995 2016年我国财险保费收入影响因素进行了实证研究,并与最小二乘(LS)、岭估计(RE)和加权整体最小二乘(WTLS)三种方法对比,研究结果表明:本文提出的PRE方法能明显提高预测精度,具有更强的泛化能力等优点.本文的最后还提出了PRE的统计性质等几个需要进一步研究的问题.