在医学、生物学、计量经济学、金融学以及农业等领域的研究中，通常会遇到面板数据。在对面板数据进行统计建模时，学者们提出了面板数据的非参数回归模型。它是面板数据模型中非常重要的一种统计模型。在解决实际问题时，面板数据非参数模型更接近真实模型，更能充分利用数据中所提供的信息。回归样条线混合效应模型，是众多面板数据非参数模型中可操作性最强，应用最为广泛的一种模型。
　　全文共分为五章。第一章是绪论部分，阐述了面板数据的非参数回归模型的研究背景、目的以及研究意义，并介绍了面板数据混合效应模型的建模假设和模型的基本形式。
　　第二章是理论部分，系统阐述了回归样条线混合效应(MERS)模型。包括：MERS模型的构建方法，求解模型的方法和平滑参数的确定等问题。
　　第三章是模拟比较部分，针对回归样条线混合效应(MERS)模型与多项式方法进行蒙特卡洛模拟比较，最后得出结论：MERS模型在总体函数估计方面优于多项式方法，但在个体函数估计方面，表现不如多项式方法。另外，当预测变量与相应变量的关系未知，且两者可能存在复杂关系的情况下，MERS模型估计要比多项式方法的估计更加稳健，因而适用性更强。
　　第四章为实证研究部分，第一个实证分析针对我国城乡收入差距与经济增长的问题，阐述了城乡收入差距的演变趋势。实证分析通过构建城乡收入差距与经济增长关系的模型，验证了我国经济增长与城乡收入差距确实存在倒U型关系。并估计了我国总体和各省个体到达峰值点的时间和峰值点的人均GDP。最后提出了缩小城乡收入差距的经济和社会政策。第二个实证分析基于MERS模型，对BMI—年龄数据集进行实证分析。得到总体均值函数的估计和总体均值函数导数的估计，通过对总体分析，估计出13.7岁为BMI增速最快的年龄；并对肥胖、超重个体的个体函数进行估计，发现肥胖和超重的触发年龄均值分别为20.41岁和21.17岁。通过分析超重、肥胖个体，发现大多数超重、肥胖个体的触发年龄在15-25周岁阶段，因此有必要在中学阶段、大学阶段，对其进行饮食、运动干预。
　　第五章为全文总结部分。