部分变系数单指数回归模型综合了变系数回归模型和单指数回归模型的特点,其不仅能够克服非参数回归模型中存在的“维数灾难”,而且能够用于研究变量间的非线性特征,其估计方法在经济、管理等学科中应用广泛。考虑到在现实经济问题中,许多响应变量具有空间相关性,为了进一步准确的刻画解释变量和响应变量的关系,我们有必要将部分变系数单指数回归模型拓展到为部分变系数单指数空间回归模型。现有研究文献检索发现,针对该类模型的理论、方法和应用研究尚处于空白。因此,对该类模型进行深入、系统的研究具有十分重要的理论意义和应用价值。本论文在对现有相关研究文献进行梳理的基础上,完成了以下研究内容:(1)提出了两种新的部分变系数单指数空间回归模型,包括部分变系数单指数空间滞后回归模型和部分变系数单指数空间误差滞后回归模型;(2)根据新模型的特点,构造了两种模型的截面拟极大似然估计法,分别给出了其参数和非参数未知函数的估计;(3)通过Monte Carlo模拟方法考察了估计的小样本表现;(4)将两种模型的估计方法分别用于研究波士顿房价的影响因素和我国PM2.5的社会经济因素。Monte Carlo数值模拟研究结果表明:(1)随着样本量的增加,两种模型的参数估计的样本标准差Std.dev和均方根误RMSE均迅速变小,表明参数估计效果较好;(2)随着样本量的增加,两种模型的未知函数估计的平均绝对误差MADE也都迅速变小,说明未知函数的估计的小样本表现较好;(3)通过引入具有不同复杂度的Case和Rook空间权重矩阵,模拟结果发现空间相关系数和空间误差相关系数的估计效果在一定程度上受空间复杂度的影响,空间结构越复杂,估计偏误越大,而对其他估计的影响较小。总体来说,模型的小样本表现均较好,能够用于实际数据的应用研究。应用上,本文做了两方面的研究:(1)将部分变系数单指数空间滞后回归模型的估计方法应用于分析波士顿房价的影响因素,结果表明:低教育程度者比例、一氧化氮浓度随人均犯罪率变化对波士顿房价呈负向影响;城镇师生比例随人均犯罪率变化对房价的影响是正向的;城镇黑人比例随人均犯罪率变化对房价影响波动较小;城镇非零售商用土地的比例和到波士顿五大城区加权距离的线性组合对波士顿房价综合影响从负向到正向。(2)将部分变系数单指数空间误差滞后回归模型的估计方法应用于分析我国城市PM2.5的影响因素,结果表明:用电量、城区绿化覆盖率和工业粉尘排放量随人均GDP变化以及人口密度和第二产业比重的线性组合对PM2.5浓度呈正向影响,公共汽车数量随人均GDP变化对PM2.5浓度影响呈负向。