本书主要研究了面数据空间依赖情形下，因变量是数值型的复杂数据线性回归建模问题。本书的主要组成部分如下：首先，分别回顾了函数型数据和成分数据的基本定义、数据空间、常用方法等。其次，对空间数据做了简要说明，特别介绍了面数据的空间自回归模型。之后，提出了具有空间相关性的函数型数据线性回归模型；在此基础上，进一步放松了误差项服从正态分布的假设，提出了稳健的函数型数据空间自回归模型。针对成分数据，也提出了成分数据的空间自回归模型。最后，将成分数据、函数型数据、数值型数据结合在一起，提出了混合三种数据类型的空间自回归模型。这一系列的工作扩展了复杂数据线性回归模型的范畴，同时将复杂数据与空间数据结合在一起，为许多应用问题提供了解决思路。

第1章 绪论
1.1 研究背景及其选题意义
1.2 相关领域的研究现状
1.2.1 函数型数据
1.2.2 成分数据
1.3 主要内容及创新点
第2章 空间自回归模型
2.1 面数据
2.2 莫兰图
2.3 莫兰指数
2.4 空间权重矩阵
2.5 空间自回归模型
2.6 小结
第3章 函数型数据的空间自回归模型
3.1 问题的提出
3.2 函数型数据的空间自回归模型
3.3 模型的估计方法
3.3.1 利用函数标准正交基展开函数型自变量
3.3.2 极大似然估计法
3.3.3 选取截断参数m
3.4 仿真实验
3.5 实际数据分析
3.6 小结
第4章 误差为t分布的稳健函数型数据空间自回归模型
4.1 稳健函数型数据空间自回归模型
4.2 估计方法
4.3 仿真实验
4.4 小结
第5章 成分数据的空间自回归模型
5.1 引言
5.2 成分数据的空间自回归模型
5.3 估计方法
5.3.1 ilr变换
5.3.2 极大似然估计法
5.4 仿真实验
5.5 实际数据分析
5.6 小结
第6章 混合多种数据的空间自回归模型
6.1 模型的提出
6.2 模型的介绍
6.3 估计方法
6.4 仿真实验设计及结果
6.4.1 参数设置说明
6.4.2 数据生成及实验结果
6.5 实例研究
6.6 小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
附录：部分彩图