时空模型的统计推断一直是统计学和计量经济学研究的一个重要和广泛应用的分支。然而,主要的时空模型一般都是参数模型。尽管标准的参数模型,比如空间滞后回归模型和空间误差回归模型在检验问题中非常有用,但是其模型形式严格依赖于主观假定,很容易错误设定。近二十年,随着计算机计算技术的飞速发展,在空间统计学和空间计量经济学领域,多种半参数建模方法被提出用以探求因变量和自变量之间蕴含的复杂关系,其中包括地可加模型、地理加权回归模型还有空间非参数回归模型等。本文主要针对两类半参数时空模型进行研究,一类是时空可加模型,这类模型是地可加模型和半参数空间回归模型的推广,第二类是时空加权回归模型,这是地理加权回归模型在时空数据上的推广。主要内容包括：对于时空可加模型,首先提出了profile最小二乘方法用以估计模型中的参数分量和非参数分量。其次当线性部分的自变量含有约束条件时,提出了参数分量和非参数分量的约束profile最小二乘估计。为了检验约束条件的适用性,提出了相应的检验方法。最后通过数值模型验证了所提方法的有效性。混合时空加权回归模型中的模型系数一部分是常数,一部分是时空的系数,能有效的反映时空非平稳性,这类模型的估计和推断方面的研究还很少。本文主要提出了Profile最小二乘方法和Backfitting方法以估计模型中的常值系数和时空变系数。