在空间计量经济学领域,空间自回归模型有着很重要的地位。该类模型自从被提出以来就被很多人知晓并且被应用于各行各业。在这个空间数据呈现出爆炸式增长的时代,该类模型有着非常广泛的应用前景。传统空间自回归模型认为所有回归变量对因变量的影响都是线性影响。这就使得该模型的应用范围具有一定的局限性,显然,当有对因变量的影响效应是未知的或者是非线性的回归变量存在时,该模型是不适用的。如果把这些与因变量之间实际是非线性关系的自变量都作为模型中的线性部分,就很有可能会导致因变量的估计误差增大。这是传统空间自回归模型的一大缺点。为了弥补该缺陷,本文创新性地提出了可加空间自回归模型并且提出了针对该模型的估计方法。然后,将该估计方法推广到可加部分线性空间自回归模型的估计中。蒙特卡洛模拟研究表明:在运用所提估计方法对预先设定好的可加空间自回归模型进行估计时,对于模型中的参数部分能够取得良好的估计效果,估计得出的参数具有一定的准确性;对于模型中的非参数部分能够取得良好的拟合效果,较为准确地展现出各回归变量与因变量之间的函数关系。此外,本文还创新性地提出了一种针对可加空间自回归模型的变量选择方法并将该变量选择方法推广到可加部分线性空间自回归模型的变量选择中。该变量选择方法不仅能够起到变量筛选的作用,还能够起到模型选择的作用,判断出各自变量对因变量的具体影响(包括:线性影响、非线性影响、无影响)。蒙特卡洛模拟研究表明:该变量选择方法起到的变量筛选作用明显,较为准确地识别出了各自变量对因变量的具体影响。最后,本文将由可加空间自回归模型的估计方法和变量选择方法推广得出的可加部分线性空间自回归模型的估计方法和变量选择方法运用于波士顿房价数据集。首先,运用估计方法建立了以房价中位数为因变量,以除经度和纬度以外的其余变量为自变量的可加部分线性空间自回归模型并进行了模型预测。然后,运用变量选择方法对由波士顿房价数据集全集建立的可加部分线性空间自回归模型进行了模型选择,识别出了各自变量对因变量的具体影响。