非参数回归模型因其能够描述许多数据自身所体现的非线性特征而受到人们的广泛关注。与之对应的非参数估计方法因其在减少建模偏差方面的灵活性而成为研究非参数模型的重要方法。本文主要对局部线性估计中窗宽h的选择和光滑样条估计中光滑参数λ的选取进行了Bayes分析。并对我国1949年-2007年的年人口增长率进行了实证分析。主要内容如下：(1)基于Bayes方法,对于非参数回归模型y=f(x)+ε,在局部线性估计中窗宽h的先验分布为Gamma分布的条件下,用未知光滑函数f(x)的后验均值构造了它的贝叶斯估计,并给出了参数的后验分布和抽样方法。(2)利用光滑样条回归的贝叶斯方法,对带有AR(p)误差的时间序列趋势项进行了估计。在趋势函数的光滑样条估计中,将光滑参数λ看成随机变量,给出了λ的后验分布。然后,应用Gibbs抽样算法从λ的后验分布中得到了Markov链样本,并用后验均值构造了λ的贝叶斯估计。(3)对我国1949年-2007年的年人口增长率序列一阶差分后的数据分别建立了AR(2)模型、基于贝叶斯局部线性估计的非参数回归模型和基于光滑样条估计的非参数回归模型,并进行了拟合、预测。然后,通过数据平稳化处理公式反推得到年人口增长率的拟合值、预测值,并对三种模型的拟合、预测结果进行了对比分析,结果表明：非参数回归模型优于AR(2)模型。