由于经济行为的复杂性，宏微观经济现象普遍存在非线性特征。因此，建立可靠的非线性模型对描述和解释非线性经济行为模式是至关重要的。自从美国学者Hamilton开创性地运用马尔可夫转移模型分析美国GDP增长率以来，以机制转换为代表的非线性时序模型已成为分析宏微观经济过程变化规律和预测的重要组成部分.这其中又以平滑转移模型（Smooth Transition Regression，STR）具有优秀的性质，逐渐进入国内外学者的视线，成为追踪焦点，广泛应用于经济周期研究、购买力平价假设、失业率与产出等宏观经济现象的建模与预测。因此，STR的估计和检验作为建模过程两个关键环节，其可靠性研究以及如何构造更稳健更可靠的估计和检验框架一直是非线性时序分析中的重要课题。　　 国内外学者已经对此开展研究，但存在缺陷或者问题。例如，使用网格搜索BHHH算法初值时没有给出参数空间划分的细节；在使用启发式算法求解最大似然函数以及构造模拟估计量方面尚属空白；线性检验的可靠性研究和改进都是针对独立同分布数据的，而现实经济过程存在各种形式的异方差或序列相关.有鉴于此，本文在全面系统地研究STR估计和线性检验可靠性的基础上重点考察相关因素，例如搜索网格的划分、转移速度等对估计量和统计量性质的影响.具体来说，第一，使用遗传算法代替BHHH，给出算法设定的参考值；第二，构造非参数模拟最大似然估计量( NPSML)，研究窗宽的影响，使用滑动窗宽进一步提高NPSML估计量的可靠性；第三，使用多种模拟方法修正渐近检验的水平扭曲，比较不同方法的差异，给出相关程序和实施细节；第四，给出ESTAR和LSTAR单位根检验临界值，并在可靠性研究的基础上考察人民币实际汇率是否存在长期非线性均值回归现象以及中美两国实际利率是否满足实际利率平价假设；第五，在STR协整框架内分析非线性泰勒规则在我国货币政策制定中是否适用，是否比线性协整更能刻画我国同业拆借率的走势。以上研究的理论意义在于提高模型估计和检验的可靠性，进而提高STR模型在面对复杂数据生成过程时的描述和预测能力，避免模拟方法误设或者滥用；实践意义在于拓展STR模型的应用范围，使其能够更好地解释经济现象的非线性行为.　　 本文得到以下结论：第一，使用遗传算法可以显著改善估计量在小样本和误差项存在序列相关时的低效问题，通过寻找交叉率和变异率的最优组合可以提高算法执行效率；第二，NPSML估计量具有稳健性，但有效性较低，这是因为核估计存在边界效应，而滑动窗宽可以做到逐点计算最优窗宽，从而改善估计量的有效性；第三，独立同分布序列时，蒙特卡罗检验可以精确的控制实际水平，优于残差自助法和参数自助法，误差项存在序列相关时，整块自助检验优于筛式自助检验，但前者的效果受到块长度的影响。误差项服从GARCH、EGARCH和FIGARCH过程时，建议直接使用Wild自助检验；第四，NLADF和NLPP可靠性优于传统ADF统计量，并且加入非线性平滑转移机制后，人民币的PPP和RIP假说成立，利用NLADF统计量的伴随概率还可以确定机制转移行为的对称性特征；第五，我国宏观经济环境下的泰勒规则具有明显的非线性特征。STR协整得到的长期均衡方程在预测效果上优于线性模型，并且可以利用转移函数值直观地反映货币政策的变动。