无论是在经济、工商管理、社会科学，还是在工程技术、医学、生物科学中，回归分析都是一种普遍应用的统计分析与预测技术。 在回归分析中，当自变量之间出现多重共线性现象时，常会严重影响到参数估计，扩大模型误差，并破坏模型的稳健性，因此消除多重共线性成为回归分析中参数估计的一个重要环节。现在常用的解决多元线性回归中多重共线性的回归模型有岭回归、主成分回归和偏最小二乘回归。 本文首先阐述了岭回归、主成分回归和偏最小二乘回归的理论，简述了三种回归模型的基本思想和数学原理，对它们的基本性质进行了归纳和总结，且对偏最小二乘回归的部分基本性质进行了扩展，并给出了详细的证明过程。 接着，本文利用解决多重共线性的三种方法的SAS程序对一个经济实例进行了回归分析，根据分析结果总结出三种方法的优缺点，结果表明如果能够使用定性分析和定量分析结合的方法确定一个合适的k值，则岭回归可以很好地消除共线性影响；主成分回归和偏最小二乘回归采用成分提取的方法进行回归建模，由于偏最小二乘回归考虑到与因变量的关系，因而比主成分回归更具优越性。基于主成分回归与PLS回归法的比较，本文对战略管理企业调研实例进行了检验。 最后，针对偏最小二乘回归的弱点，提出了相应的对策。根据偏最小二乘回归的一个不适用的情况，从理论上分析原因，给出了针对这种情况的一种改进方法，并通过实例进行了验证。