当自变量之间存在线性关系时，最小二乘法回归得出的预测结果很不可靠，特征根回归(Characteristic Root Regression，CRR)是R.L.Mason和J.T.Webster等人于1974年提出的另一种改进最小二乘估计的线性有偏估计方法。主成分回归仅从原自变量的样本数据中提取主成分，没有考虑自变量与因变量y的关系。作为主成分回归的推广形式，Webster等(1974)提出了特征根回归(Latent Root Regression，LRR)，将因变量也考虑进去了。同样，也是从原有数据中提取相互正交的主成分，从而在消去原自变量复共线性的同时，也使所建立的回归方程能够表征自变量与因变量之间的相关关系。