1. 研究目的与意义

针对多元线性回归估计中可能出现的偏差，探索适当方法减低估计偏差，从而提高估计模型的拟合优度，达到提高统计决策的可行度并降低风险的目的。

2. 研究内容和预期目标

由于多元线性回归的拟合图像受极端值的影响非常大，故在进行多元线性拟合时，要使用差分法、逐步回归分析、主成份分析、偏最小二乘回归、岭回归、增加样本容量等方法消除多重共线性残差图、BP检验、White检验法检测异方差性用数据处理（取对数）、Robust稳健标准误回归和FGLS法法消除异方差。

3. 国内外研究现状

异方差性的检验方法

1.图示检验法:相关图分析;残差图分析。

4.帕克检验( park test ) 和格里奇检验( glejser test)。

4. 计划与进度安排

1、引言，总述问题

2、列举各种降低估计误差的方法

3、结合实例，进行对比论证

5. 参考文献

[1]部分线性模型中估计的收敛速度[j]. 高集体,洪圣岩,梁华.数学学报. 1995(05)

[2]nonparametric lack-of-fit testing and consistent variable selection[j] . adriano zanin zambom,michael g. akritas.statistica sinica . 2014 (4)

[3]a robust test for homoscedasticity in nonparametric regression[j] . holger dette,mareen marchlewski.journal of nonparametric statistics . 2010 (6)