有关影响中国通货膨胀因素的情形有许多种，在实际应用中的线型模型在使用过程经常会出现一些错误，但是非参数回归模型是否属于假定变量尚待研究。对所有的回归函数进行预测，从而能够得到更为适合的样本参数，同时对数据的预测具备更强的准确性。因为半参数模型既融合了非参数模型的优点同时也融合了线性模型的优点，具备较强的解释说服力，同时能够较好的回避“维数祸根”的问题。所以，半参数模型越来越受到广大学者们的重点关注。在最近这几年，在中国通货膨胀中也出现非参数模型的身影。但是半参数方法的应用却较为少见，并且对于核估计方法和基于重抽样思想的Bootstrap方法在影响通货膨胀因素的应用还有待进一步的研究。本文主要从三个不同的方面建立影响中国通货膨胀因素的半参数回归模型。首先，基于时间序列分析理论对影响中国通货膨胀因素建立线性自回归模型，同时基于线性回归选择显著滞后变量和核估计理论，建立半参数自回归方程，将这两种模型分别对影响中国通胀因素进行拟合与对比，结果显示后者半参数自回归模型优于前者线性模型；其次，建立以货币供应量M2、社会固定资产投资总额I在GDP中所占比率、城市居民人均可支配收入C和进出口总额IE作为变量的线性回归模型，又考虑到中国通货膨胀与外汇储备存在着高度的相关性，并以外汇储备为外生变量的半参数回归模型，将两者比较来看，显示出的结果是本案所成立非参数函数的为外汇储备的半参数回归模型更具备优势。最终，对Bootstrap方法进行尝试，并且对高斯建立的非参数模型中的参数与与非参数函数开始预测，得到的结果是在中国通货膨胀率中优点明显，半参数回归模型能够更好与中国的CPI进行吻合并且具备较高的预测精准度。