近年来,京津冀地区雾霾天气频发,使得该地区的空气污染问题受到广泛关注,而细颗粒物PM2.5是引发空气污染的重要因素。研究PM2.5及其影响因素之间的关系,有助于确定空气污染对人们的生产生活的影响,从而能够更加准确地对空气污染进行研究和治理。时空交互模型能够从时间效应、空间效应和时空交互效应三个方面反映自变量对因变量的影响情况,模型包括时空过程和白噪声过程两部分。其中,时空过程由均值过程和时空变化趋势构成,该过程包含研究中的协变量、时间和空间效应以及时空相互作用等效应;白噪声过程表示测量误差。本文基于时空交互模型研究了京津冀地区的空气污染情况,并在实际应用中对其进行了改进,引入了空气污染物的影响因素。应用该模型,对京津冀地区2018年78个空气污染监测站点的PM2.5浓度的小时数据,以及同期空气污染物和气象影响因素的数据进行了建模分析。在研究中,首先,采用FCM聚类算法,按照经纬度信息,对京津冀地区78个空气污染监测站点划分为7类;其次,对模型的误差项进行了异方差存在和消除异方差的处理,并分别利用稳健回归估计的随机抽样一致性算法和加权最小二乘法估计了模型中的参数,并结合参数的实际含义,选择误差项为异方差分布的模型作为最终的拟合模型。研究表明,京津冀地区PM2.5浓度与温度及风速呈负相关,与相对湿度呈正相关;所构建的京津冀地区的时空交互模型,结合参数估计结果,能够对实际情况做出合理性的解释;同时,该模型对2018年该地区数据的拟合优度为77.8%,能够很好的反应PM2.5及其影响因素之间的关系,为研究该地区和其他地区的空气污染提供了新的思路。