单指标模型模型是一种重要的半参数模型,它是处理多元非参数回归问题的有力工具。因为它将一个多元向量转化为一个单指标参数,使其具有降维作用,这样不仅避免了高维非参数回归中的“高维灾难”问题,而且抓住了高位数据的重要特征。复合分位回归是在分位回归基础上发展起来的一种稳健估计方法,在普通的最小二乘估计失效的情况下,能够给出稳健的估计结果。　　 鉴于复合分位回归的诸多优势以及单指标模型的广泛应用,本文尝试将复合分位回归推广到半参的单指标模型。本文研究了复合分位回归基础上的单指标模型的统计推断问题。首先,本文研究的第一问题是单指标模型的估计问题,本文通过局部线性的复合分位回归方法来研究单指标模型中一元非参连接函数的估计问题,对于模型中的指标向量,通过全局的线性复合分位回归来做估计。并且给出了一种迭代算法得到估计的具体值。其次,在得到单指标模型的复合分位回归的基础上,给出了估计量的大样本性质,得到了参数向量的√n收敛速度。最后,我们研究的第三个问题是在上述理论基础上,通过计算机模拟及具体实例分析来验证单指标复合分位回归估计的优良性质及在实际应用中的作用。