空间数据在流行病监测、地理统计、空气质量监控、海洋学和计量经济学等领域非常普遍。由于空间数据通常具有空间相依性,使得传统的回归模型受到了挑战,因而空间模型应运而生。在空间模型中,空间自回归模型受到了广泛的研究。然而,虽然空间自回归模型具有良好的解释性,但是当模型误判时容易造成较大的模型偏差,因而部分学者将非参数函数引入该模型中,提出了半参数空间自回归模型。对于半参数空间自回归模型研究成果主要集中在完全数据下,然而在实际数据分析中,数据缺失经常出现。如在药效研究中,由于药物的副作用致使一些患者放弃治疗,从而导致数据出现缺失。因此对半参数空间自回归模型的缺失问题进行研究具有一定的理论和实际意义。本文主要研究在响应变量随机缺失下,半参数空间自回归模型的估计问题。首先利用回归插补和两阶段最小二乘法对模型进行了估计,然后证明了估计的渐进性质,最后通过模拟研究比较了不同缺失比例下基于回归插补的两阶段最小二乘估计。结果表明:相比于基于不完全数据的估计,回归插补的两阶段最小二乘估计能有效的改进模型的估计效果。