随着时代发展及科学技术进步，研究人员在收集数据的途径得到扩展、能力得到提高，收集到的一些数据具有明显的函数型的特点。例如:食品行业猪肉的光谱数据、电力行业日均负荷数据、多个地区的多个指标的经济数据以及地区气温、降水量等数据。因此，对于函数型数据的研究已经成为国内外数理统计学界的研究的热点之一。　　本研究主要内容包括：⑴在半函数型部分线性回归模型下，通过局部线性回归的方法对模型中函数型非参数部分进行新的估计，得到参数及非参数部分的估计量，并探究参数部分估计量的渐近正态性、函数型非参数估计量的几乎处处收敛速度。最后给出模拟分析，并与经典的Nadarage-Watson核估计方法进行比较，通过箱型图表现出在局部线性方法要比核估计方法的效果好;对于参数部分我们通过直方图检验估计量的渐近正态性。⑵在函数型非参数模型下，我们通过Nadarage-Watson核估计方法分析安徽省1955年1月至2010年12月月度平均气温数据，建立函数型非参数回归模型，并对2010年气温数据进行实证分析研究。同时，从预测值的均方方差以及预测的气温曲线两方面来对有限维非参数回归模型及函数型非参数模型进行比较，从而得出函数型非参数模型的优越性。