半参数模型结合了参数模型和非参数模型的优点,能够更好地拟合实际数据,是近年来众多统计学者的热点研究方向.随着科学技术和计算机的快速发展,在经济、医学、金融、计量经济学等领域,面板数据的研究越来越发挥着不可小觑的作用.目前,对于独立数据和面板数据半参数模型中非参数分量的研究,大多集中在对其逐点置信带的研究方面.而同时置信带能够直观地检查非参数分量的形状,一致地反映非参数分量的变化情况,从而进行各种统计推断,并引起了很多统计学者对非参数同时置信带的关注.因此,对非参数分量同时置信带的研究在理论和实际应用中都具有很重要意义.本论文主要在独立数据和面板数据下分别对半参数部分线性模型中非参数分量的同时置信带的构造进行了深入研究.本论文的研究工作主要有以下两个方面：1.对独立数据半参数部分线性模型,研究了模型中非参数分量的同时置信带的构造问题.在适当条件下,给出了非参数分量估计曲线和真实曲线之间的最大绝对偏差的渐近分布,用所得结果可构造非参数分量的同时置信带.为了检验所提方法在有限样本下的表现,进行了数值模拟研究,并把所提方法和结论应用到1994年在东德收集的女性劳动供给数据的研究中.2.对面板数据半参数部分线性固定效应模型,研究了模型中非参数分量同时置信带的构造问题.尽管在模型中加入固定效应,能够灵活地捕捉数据个体的差异性,但是也给模型中参数和非参数分量的统计推断带来了一定的挑战.借鉴面板数据参数固定效应模型最小二乘虚拟变量(least-squares dummy-variable)方法的思想和非参数估计的局部线性估计方法,提出了profile最小二乘虚拟变量方法,所提方法能够消除固定效应,并且获得不依赖于固定效应的参数和非参数分量的估计.在适当条件下,证明了非参数分量估计曲线和真实曲线之间的最大绝对偏差的渐近分布,用所得结果可构造非参数分量的同时置信带.利用渐近分布构造同时置信带时,需要估计渐近偏差和条件方差,以及选取估计非参数分量二阶导数的最优窗宽等问题,容易产生累积误差,并给同时置信带的构造带来很多困难.为了避免这些问题,本论文提出一种Bootstrap方法来构造同时置信带,通过模拟研究发现所提方法在有限样本下有较好的表现.最后,给出了结论与展望,概述了本论文所获得的主要研究成果和创新点,并指出进一步研究的问题和方向.