目前,参数空间计量模型的理论和方法已日趋完善,并广泛应用于各学科研究领域。参数空间计量模型通常对模型形式进行预先设定,其优点在于统计推断相对简单,容易解释问题。考虑到现实经济变量间的复杂性,预先设定模型形式往往会存在较高的误设风险,导致估计结果不具有一致性,研究结果与现实情况出现较大偏误。为了克服参数空间计量模型的局限性,我们有必要进一步对非/半参数空间计量模型的理论和方法展开研究。本文试图将参数空间计量模型和非参数空间计量模型进行结合,得到两类新的半参数自适应变系数空间滞后回归模型和半参数自适应变系数空间误差回归模型,并将此两类新模型应用于实际经济问题研究。研究目的在于丰富和完善空间计量经济学的内容,估计技术可以用于现实经济问题研究,因此,该项研究具有理论意义和现实应用价值。研究内容主要包括:(1)讨论两类新模型参数及非参数估计方法,其中包括如何利用“去一分量法”对单指标向量参数进行估计;(2)利用Matlab软件对模型估计结果进行蒙特卡罗模拟,以考察其小样本表现是否优良;(3)将两类新模型分别应用于波士顿房价影响因素和我国城镇人均消费性支出的影响因素实证研究;(4)总结研究结果,同时探讨不足之处及后续研究方向。研究结果主要包括:(1)引入了两类新的半参数自适应变系数空间滞后模型和半参数自适应变系数空间误差模型,增强了模型的适应性和灵活性,分别构建了它们的截面拟似然估计方法;(2)蒙特卡罗模拟良好的小样本表现结果验证了估计方法的可行性,模拟结果显示,总体上,参数和非参数估计的偏误和标准差均随着样本容量增加而下降;同时,空间相关系数的估计效果一定程度上受空间复杂度影响,空间结构越复杂,估计偏误越大,而未知函数的估计偏误随着扰动方差的增大而增大,不过扰动方差的这种影响会随着样本容量增加而趋于减弱;(3)两类新模型分别应用于分析波士顿房价和我国城镇人均消费性支出的影响因素,结果显示,新模型的平均残差平方和明显小于普通线性回归模型与参数空间自回归模型的平均残差平方和,说明空间自适应变系数模型要明显优于普通线性回归模型与参数空间自回归模型,且解释效果较好,与现实情况比较吻合。