模糊统计分析是近年来统计学研究的课题之一，很多学者对模糊回归分析的研究做出了不少成果。但由于模糊数据的复杂性，对多元线性模糊回归模型和非线性模糊回归模型的研究还相对较少。庄晴韵等人利用一元模糊回归模型的结果，采用逐步回归的方法，得到多元线性模糊回归模型的回归系数，进而变量选择、统计诊断和聚类分析，并对只存在一个变点情形的变点问题进行分析研究。本文是在上述研究的基础上对线性模糊回归模型和非线性模糊回归模型进一步进行分析研究。　　 本文首先研究了多元线性模糊回归模型，基于DK距离，采用最小二乘方法来估计多元线性模糊回归模型的回归系数，并讨论了多元线性模糊回归模型的残差平方和、离差平方和和回归平方和之间的关系，同时利用Bootstrap方法对回归系数进行统计推断和显著性检验。接着本文简单介绍了支持向量机(SVM)的理论和方法，基于加权最小二乘支持向量机(WLS-SVM)研究了非线性模糊回归模型，该模型能有效降低或消除异常点噪声的影响。最后本文利用动态规划的方法对模糊回归模型进行变点分析，此方法不仅适用于线性模糊回归模型，还适用于非线性模糊回归模型，能找出所有可能存在的变点，并对变点位置进行检测。另外，为了说明本文所介绍的模型和方法的有效性和准确性，所有的模型都进行了模拟验证。