空间自回归模型是空间计量经济学研究中的一个重要模型。空间自回归模型把空间效应引入模型中,有效解决了空间相依性问题。因此,空间自回归模型受到越来越多经济学家和统计学家的关注。空间自回归模型的现有研究中,大都假设响应变量服从正态分布,然而,实际的数据可能呈现出非正态的情况,此时,仍然在正态假设下作统计推断会获得不合理甚至错误的结论。本文在贝叶斯的框架下,基于响应变量服从偏正态分布的假设,开展了空间自回归模型的参数估计、局部影响分析和数据删除影响分析等研究工作。本文主要研究了以下三个方面的内容:（1）在假设随机误差服从偏正态分布的条件下,建立了偏正态空间自回归模型。借助Gibbs抽样和MH算法相结合的MCMC算法,对偏正态空间自回归模型进行贝叶斯估计。在此基础上,利用偏后验预测p值来检验偏正态空间自回归模型拟合数据的效果。分别采用模拟研究和实例分析（空气质量数据）,论证了所研究模型和方法的可行性。（2）对于偏正态空间自回归模型,采用贝叶斯局部影响分析方法评估数据、先验分布和样本分布微小扰动对该模型的影响。对数据、先验分布和样本分布的扰动模型建立了不同的扰动形式,利用Bayes因子、Φ-距离和后验均值距离这三种贝叶斯局部影响测度来量化不同扰动形式对偏正态空间自回归模型扰动的程度。分别采用模拟研究和实例分析,进一步论证了所研究模型和方法的合理性。（3）对于偏正态空间自回归模型,采用贝叶斯数据删除影响分析方法研究删除一个点或多个点的观测值对偏正态空间自回归模型的参数的后验分布的影响。利用Φ-距离、Cook后验均值距离和Cook后验众数距离这三个贝叶斯数据删除诊断统计量来衡量删除数据点对偏正态空间自回归模型影响的程度。分别采用模拟研究和实例分析,论证了所研究模型和方法是可行的。