随着科学技术的不断发展,能够处理大量数据的各种模型不断被提出,其处理技术也得到了迅速的发展,其中变系数部分线性误差变量模型结合了变系数模型及误差变量模型二者的优点,既解决了非参数模型维数灾难的问题,又保持了变系数模型良好的适应性,同时,考虑到模型变量存在测量误差的情况,对误差变量模型进行研究,使得估计及结果更加准确。本文对变系数部分线性误差变量模型进行了研究,针对模型协变量之间存在严重的复共线性的情况,在轮廓最小二乘估计方法的基础上提出了模型的岭估计,得到了常系数及变系数的岭估计表达式,并对估计结果的渐近性质进行了研究,基于给定的假设条件,证明了参数估计的渐近正态性,并给出了所服从的渐近正态分布的具体形式,通过数值模拟实验对轮廓最小二乘估计及岭估计方法进行比较,验证了当协变量复共线性关系较为严重时,模型的岭估计结果要优于模型的轮廓最小二乘估计结果。最后,本文对哈尔滨的空气质量状况进行了实证分析,为了研究供暖、秸秆焚烧、温度、湿度、风级五个因素对哈尔滨空气质量指数的影响,建立了带测量误差以及不带测量误差的变系数部分线性模型,同时运用轮廓最小二乘估计及岭估计方法对模型进行估计,对不同的模型进行比较,并对估计结果进行分析。结果表明:误差变量模型的估计结果优于不带测量误差的模型,当复共线性较为严重时应选用岭估计方法;供暖、秸秆焚烧、湿度与空气质量指数呈正相关关系,风级对其呈负相关关系,温度对空气质量指数的影响程度较为微弱;空气质量呈逐年好转的变化趋势,且供暖期指数明显高于非供暖期。