本文介绍了现有的有偏估计量（Ridge估计量（RE），几乎无偏岭估计量（AURE），Liu估计量（LE），几乎无偏Liu估计量（AULE），主成分回归估计量（PCRE），rk类估计量的性能如果解释变量之间存在多重共线性，则在错误指定的线性回归模型中考虑了相应的预测变量）。 使用广义形式在均方误差意义上比较这些估计量和预测量。 此外，使用均方误差矩阵和标量均方误差建立了理论发现。 最后，通过数值例子和蒙特卡洛模拟研究来说明理论发现。 仿真研究表明，当存在弱多重共线性时，LE和RE优于其他估计，而对于某些收缩参数值，当存在中等多重共线性和较高多重共线性时，RE，rk类和rd类估计分别优于其他估计。 对于某些收缩参数值，基于LE和RE的预测变量始终优于其他预测变量。
