随着近年来科学技术的蓬勃发展,数据收集的手段也愈加丰富,相较于之前被离散观测的数据点,如今更多在连续指标上的数据被实时收集与记录,此类具有连续性与高维特征的函数型数据正应用于社会诸多领域,由此应运而生的函数型数据分析方法也成为当下科学研究的热点。回归分析作为函数型数据分析中的一个十分重要的研究内容,但现有的研究通常假定数据间是关于时间相依或者相互独立的,在某些情况下中这些假设可能并不合理,如不同地区间的数据可能存在空间相依性,因此,本文在空间相依情况下研究函数型部分线性模型的估计和检验问题,具有一定的理论研究意义和实际应用价值。具体而言,本论文的主要研究内容如下:针对数据可能存在空间相依的问题,本文提出了函数型部分线性空间自回归模型（FPLSARM）,基于B样条与拟极大似然估计（QMLE）的方法对模型中的参数进行估计。在一定的正则条件假定下得到了参数估计的渐近性质,进一步地,为验证模型中参数部分的回归系数是否满足一定的线性约束条件,提出了一种基于残差Bootstrap检验的方法,最后,通过模拟研究和实证分析说明了模型和方法的有效性。结果表明,随着样本量的不断增大,参数的估计的偏差和误差都不断减小,检验统计量也具有良好的水平与功效,模型对实例数据也实现了良好的拟合。