本文将研究含有多元非线性结构的高维线性回归模型和含有多元非线性结构的高维Logistic回归模型的参数估计问题。虽然传统的部分线性模型和广义部分线性模型利用了非参数方法在一定程度上解决了非参数部分的估计问题，但当非参数部分是高维变量时，会存在“维数灾难”的问题，在实际使用中为了避免该问题，通常在非参数部分仅使用一维变量。为此，本文受到使用核技巧处理非线性回归问题的启发，在backfitting迭代算法的框架下，首先提出了基于核技巧的部分线性模型的估计方法，并进一步尝试将核技巧的思想运用到Logistic部分线性模型的估计中，用于解决响应变量是0-1变量的分类问题。其次，通过数值模拟结果证明了本文提出的算法的有效性，并与传统的部分线性模型和Logistic部分线性模型的估计结果进行比较，得出基于核技巧的估计方法的准确性和稳定性优于传统的估计方法。最后，将Logistic部分线性模型运用于信用卡数据来处理二分类问题，对基于核技巧的估计方法和传统的估计方法得出的模型预测效果进行了实证比较。
　　本文提出的基于核技巧的部分线性模型和Logistic部分线性模型的估计算法，对传统的部分线性模型和Logistic部分线性模型的估计算法的缺点有一定程度上的改进，主要在于将对非参数部分的局部估计改进为基于再生核的全局估计，克服了非参数方法存在的“维数灾难”问题。因此，其对半参数模型领域具有一定的研究价值和意义。