基于函数型数据的部分混合模型既含有非参数函数，有效地避免了维数祸根，又包含了复杂数据－函数型数据，该类数据比一维数据具备了更丰富的信息，在遗传学、光谱化学、生物学等领域都有着广泛的应用。所以，基于函数型数据的回归分析有着一定的理论意义和实用价值，逐渐成为当前统计界及各相关领域研究者和实际工作者研究的热点课题之一。为此，本书基于部分线性变系数模型、函数型部分变系数混合模型、广义函数型部分变系数混合模型及广义函数型部分可加混合模型的非参数估计及变量选择问题展开了若干研究，所提出的估计方法和结论不仅丰富了函数型回归模型的理论知识，而且丰富了非参数统计的理论和方法，也为其在各个领域的应用奠定了基础。

刘艳霞，女，中国人民大学统计学博士，华北科技学院讲师，研究方向为非参数统计建模，先后主持项目3项，在《统计研究》《数理统计与管理》《系统科学与数学》《应用数学学报》以及Statistical Papers等知名学术期刊发表究成果十余篇，并于 2022 年获得了中国人民大学优秀博士学位论文的荣誉。

田茂再，男，南开大学概率统计博士，中国人民大学统计学教授，博士生导师，曾任教育部人文社会科学重点研究基地中国人民大学应用统计科学研究中心副主任,