参数回归模型作为一类重要的回归模型,为现如今结构逐渐多样化和一般化的非参数模型及半参数模型的研究奠定了基础,因此在模型研究领域有着至关重要的作用。非线性模型隶属于参数回归模型,得益于其函数形式假定已知、可参照的理论和方法丰富等优点,被广泛应用于医学、金融等各类领域。然而由于在收集数据的过程中难免受到外部环境、测量仪器结构、测量者的技术水平等多方面的干扰和影响,导致几乎所有的应用领域都不可避免地存在测量误差,在估计回归参数时若忽略这些测量误差将导致有渐近偏差的不一致的估计量。因此,本文期望采用一种有效的估计方法来获得测量误差下非线性回归模型中未知参数渐近无偏的、一致的估计量。本文研究的是单变量和多变量两种情形下非线性测量误差模型的参数估计问题。首先,基于Hsiao等（1997）[27]的近似最大拟似然估计,但又不同于Hsiao等（1997）[27]假设真实协变量关于替代变量的条件期望和方差函数已知,本文创新性地引入了未知的条件期望和方差函数的非参数局部回归方法,在单变量局部多项式回归和多变量核回归的基础上,得到了改良后的近似最大拟似然估计。接着,在一系列合理的假设条件下,本文证明了基于非参数局部回归的近似最大拟似然估计量的一致性与渐近正态性。最后,为进一步阐述本文所得估计量对比Hsiao等（1997）[27]估计量的优势,第3和第4章节分别利用数值模拟例子和单卵双胞胎的实际数据进行分析,直观展示了本文所得参数估计量具备较强的稳健性以及更高的精密度和准确度。