空间自回归模型是近年来统计学热点的研究领域之一.在许多实际数据分析中,学者收集到的数据通常会包含区域所处位置的特性,因此这种数据会存在空间相关性.在进行统计建模时,为了减少模型的偏差,在初始分析阶段,研究者尽可能多收集一些预测变量.然而,把一些与因变量相关性不强或者没有相关性的预测变量加进模型中,虽然可以减少模型的偏差,但是会增大模型的方差.因此,考虑空间自回归模型的变量选择问题具有重要的理论意义和实际价值.为了对空间自回归模型同时估计系数和选择显著性变量,本文利用拟似然的思想在全模型下给出参数的估计,然后从预测的角度出发构造新目标函数,通过惩罚所构造的目标函数,达到同时变量选择和系数估计的目的.通过模拟研究了所提方法的有限样本性质,模拟结果表明所提方法能够有效的识别出非零系数和零系数.并将所提方法应用到波士顿房价数据,对影响房屋价格的变量进行了筛选,从而说明了所提方法的实用性.最后,通过分析波士顿房价数据,我们发现有些变量对响应变量有非线性影响,因此,我们提出部分线性可加空间自回归模型.利用B-spline对非参数函数进行逼近,然后,利用拟似然方法得到参数的估计.通过模拟研究了所提方法的有效性,并将所提模型应用到波士顿房价数据,从而揭示了对房屋价格非线性影响的结构。