在非参数回归中，对函数的估计已有核估计、局部多项式、样条估计等方法，这些方法在处理一维数据时显示了强大的处理能力，但是随着维数的增加，高维邻域所包含的样本减少，较难估计一般的多元函数。变系数模型是现代数理统计中针对处理高维数据时遇到的困难，应运而生的模型。它既部分继承了非参数回归的稳定性特点，同时又保留了线性模型的直观、容易解释等特点,人们极大关注并被广泛地应用于生物、医学等方面。 在第一章，首先介绍了常用的非参数回归方法，变系数及半变系数模型的的发展和研究现状。在第二章中，对半变系数模型的常数系数，利用局部多项式估计方法和平均方法，给出它的估计；对该模型的函数系数采用二步估计，第一步把常数系数的估计值代入半变系数模型中，得到一般的变系数模型，第二步再利用局部多项式估计方法给出其估计。最后给出了常数系数估计和函数系数估计的渐近正态性质。第三章，在计算机上进行了模拟，结果表明所提出的估计方法是理想的。