线性回归分析研究的是建立一个能反映因变量Y与一个或多个自变量X之间关系的线性回归方程,利用这个方程,来分析因变量和自变量之间的相互关系以及回归系数等的相关情况。经典最小二乘法(LS法)和总体最小二乘法(TLS法)都可以用于解算线性回归方程。实验表明,LS法和TLS法在进行线性回归分析时,均可能出现回归参数显著地偏离其真值的情形,即回归参数估值漂移。本文对LS法和TLS法线性回归中的估值漂移及其判定方法进行了研究。通过LS法线性回归分析的算例和仿真实验,说明了线性回归分析中存在回归系数估值漂移的现象,以及仅用复相关系数和复判定系数判断线性回归有效性的局限性。通过一元至五元线性回归的仿真实验,讨论了判定线性回归系数估值漂移指标和判定回归系数有效性的基本条件。对LS法解算线性回归特别是回归系数有效性的确定具有更高的可靠性。通过TLS法线性回归分析的算例和仿真实验,说明了在三种误差模型下((1)因变量和自变量同时含有误差的情形;(2)仅因变量含有误差的情形;(3)仅自变量含有误差的情形),TLS法解算线性回归方程中同样会出现回归系数估值漂移现象,通过一元至五元线性回归的仿真实验,确定了判断一元至五元线性回归系数估值漂移指标。算例和仿真实验还说明了在三种误差模型下TLS法在解算线性回归方程中存在的观测值验后方差因子偏小,回归系数估值的相对真误差与相对均方误差两者存在显著差异的问题,以及用TLS法解算线性回归方程的观测值估值和回归系数估值缺乏足够精度,可靠性低的问题,并对相关问题进行了讨论。对TLS法解算线性回归特别是回归系数有效性的确定具有更高的可靠性。