线性回归模型在经济、医药卫生、管理、工程技术等多个领域都有着重要应用，在现代数理统计领域中占据着无可取代的地位.但是当其回归自变量之间存在复共线性问题时，最小二乘估计的性能变得极差，各类有偏估计便得到了快速发展.　　针对线性回归模型的回归自变量之间所存在的复共线性问题，首先，在综合岭估计的研究基础上，引入类似于Stein压缩估计中的压缩系数来改进综合岭估计，得到了h-D综合岭估计及相关性质，不仅完美地解决了复共线性问题，而且证明了在均方误差意义下它是优于最小二乘估计和综合岭估计的.其次，将其思想应用于带有齐次等式约束的回归模型中，提出了h-D综合条件岭估计，并且给出多个估计的性质说明其合理性.最后，在h-D综合岭估计的基础上，结合数据删除模型的特点，对h-D综合岭估计数据删除模型的强影响问题进行研究.　　通过实例分别验证了h-D综合岭估计优于最小二乘估计和综合岭估计，证明了h-D综合岭估计误差更小、更有实用意义.