地理加权回归（GWR）模型是一种能够有效探测空间非平稳性的空间回归分析方法,常用的参数估计方法是加权最小二乘法。不过,加权最小二乘法会产生明显的边界效应,且对不同光滑度的系数函数,估计的精度偏低。另外,在实际数据中,观测值的粗差会严重干扰加权最小二乘估计的精度,导致GWR模型的稳健性较差。而局部多项式估计能够自动校正边界效应,且可以使用不同阶的多项式函数逼近不同光滑度的系数函数。基于此,本文针对局部多项式GWR模型,研究它的建模过程及其参数估计的改进方法,并通过模拟实验和实际数据验证模型的有效性。本文的主要研究包括:（1）建立局部多项式GWR模型。首先介绍GWR模型的建模过程,在此基础上,基于Taylor展开公式,将局部线性GWR模型推广到二阶、三阶的局部多项式GWR模型。然后通过模拟实验,验证局部多项式GWR模型能够有效克服边界效应,提升参数估计精度。最后以城市住宅商品房价格数据为例,对局部多项式GWR模型的有效性进行验证。（2）关于局部多项式GWR模型两步估计的研究。针对GWR模型系数函数具有不同光滑度的情形,本文基于局部多项式GWR模型,使用不同阶的多项式函数逼近不同光滑度的系数函数,并给出一种两步估计法。通过模拟实验,验证两步估计法能够提高模型的参数估计精度。最后以城市PM_2.5浓度数据为例,对改进模型的有效性进行验证。（3）研究局部多项式GWR模型的稳健迭代加权估计。针对观测值的粗差对局部多项式GWR模型参数估计的干扰问题,通过稳健迭代加权估计法,利用可靠性权重函数,逐步降低粗差的影响,提高模型的稳健性。通过模拟实验,验证稳健迭代加权估计具有良好的估计精度,能够提升模型的稳健性。最后以省份人口分布数据为例,对改进模型的有效性进行验证。