基于函数型数据的部分混合模型既含有非参数函数，有效地避免了维数祸根，又包含了复杂数据——函数型数据，该类数据比一维数据具有更丰富的信息，在遗传学、光谱化学、生物学等领域有着广泛的应用。所以，基于函数型数据的回归分析有着一定的理论意义和实用价值，逐渐成为当前统计学界及各相关领域研究者和实际工作者研究的热点课题之一。为此，本书基于部分线性变系数模型、函数型部分变系数混合模型、广义函数型部分变系数混合模型及广义函数型部分可加混合模型的非参数估计及变量选择问题展开若干研究，所提出的估计方法和结论不仅丰富了函数型回归模型的理论知识，而且丰富了非参数统计的理论和方法，也为其在各个领域的应用奠定了基础。

1 绪论
1.1 研究背景与意义
1.2 文献综述
1.3 研究内容及创新点
2 部分线性变系数模型的新复合分位数回归估计
2.1 概述
2.2 模型的估计
2.3 估计量的渐近性质
2.4 数值模拟
2.5 实例分析
3 函数型部分变系数混合模型的复合分位数回归估计
3.1 概述
3.2 模型与估计方法
3.3 渐近性质
3.4 模拟研究
3.5 实例分析
3.6 本章小结
4 广义函数型部分变系数混合模型的估计
4.1 概述
4.2 广义线性模型与估计
4.3 广义函数型部分变系数混合模型与估计方法
4.4 渐近性质
4.5 模拟研究
4.6 实例分析
4.7 本章小结
5 带测量误差的广义函数型部分变系数混合模型的变量选择
5.1 概述
5.2 模型与变量选择
5.3 渐近性质
5.4 模拟研究
5.5 实例分析
5.6 本章小结
6 广义函数型部分可加混合模型的估计和模型选择
6.1 概述
6.2 模型和估计
6.3 渐近性质
6.4 模拟研究
6.5 实例分析
6.6 本章小结
附录
7 结论与展望
7.1 总结
7.2 本研究的前景及不足之处
参考文献