统计学的一个重要应用就是对观测数据进行加工,找到一个合适的模型来拟合观测数据。在对观测数据的加工中可以有很多方法,其中比较经典的主要包括线性模型和广义线性模型,近年来,由于变量之间的复杂性,以及计算机技术的发展,又扩展到非线性模型。若根据经验知道某些变量间存在着一定的函数关系,可以用只含有某些参数的函数关系来拟合观测数据,这种模型称为参数模型。但是当我们对变量间的内在关系不太清楚时,使用参数模型会带来较大的模型偏差,所以又引入了非参数、半参数模型。与参数模型相比,非参数、半参数模型对变量间的函数关系限制更少,适应性更强,更接近实际问题,因此也成为最近一二十年来研究的热门课题。对于非参数和半参数回归模型,现在人们研究比较多的非参数回归拟合方法主要包括:局部光滑,包括Gasser-Muller估计,Nadaraya-Watson核估计和局部多项式方法等;样条方法(包括光滑样条、惩罚样条等);还有就是正交级数估计,如小波方法,正交级数等。本文主要介绍Nadaraya-Watson核估计方法对非参数模型估计的思路和估计方法,变系数模型中函数系数的局部多项式估计,包括估计思路,估计计算。为说明估计方法的优点,我们将使用非参数模型分析我国中西部地区6个省区城镇居民消费支出及可支配收入之间的函数关系和新疆地区人均GDP数据的拟合与预测。其中包括估计值的一些统计图表和估计函数的拟合曲线。