模糊统计分析是近年来统计学研究的课题之一，很多学者对模糊线性模型的研究做出了不少成果。协变量部分模糊的线性回归模型是模糊线性回归模型中的一类问题，由于协变量中既包含了清晰变量又有模糊变量。因此，比起其它全模糊的线性回归模型，这类模型在实际中的应用影响更深远。目前，对模糊统计的研究，大部分学者的焦点还是放在模糊线性回归模型的参数估计以及模糊聚类问题上，对于基于模糊线性模型的经典统计分析如统计诊断、变点分析等，还相对较少。　　 本文首先考查了简单线性模糊回归模型，基于DK距离利用最小二乘方法讨论它的统计推断，利用“逐步回归”的思想把其推广到协变量部分模糊的多元线性回归模型中，同时利用Bootstrap方法考察参数估计精度以及显著性检验问题，并研究变量的选择问题；其次，通过迭代的思想对模糊变量进行模糊聚类分析；然后类似于经典统计中的统计诊断方法，构造模糊统计诊断工具模糊Cook距离以及模糊Pena距离；最后，根据变点的性质以及模糊变量的特殊性，提出针对模糊变量的模糊变点分析方法。