模糊回归分析是模糊理论与经典回归分析的完美结合，自1982年由Tanaka等人建立第一个模糊回归分析模型以来，关于模糊回归方法的研究便得到许多学者的关注。在这短短几十年里，模糊回归分析理论及其应用研究已得到迅速发展。模糊变系数回归模型作为模糊回归模型的一种，它既考虑到了实际环境中各种模糊不确定性的影响，又考虑到了回归函数形式的非线性性，在处理模糊环境下的时间序列数据时具有一定的优势。关于模糊变系数回归的研究具有理论与应用方面的重要意义，因此是一个重要的研究方向。　　本文首先对模糊回归分析的相关研究进行概括，重点介绍模糊变系数回归分析模型，并给出相关概念及几种相关的模型。其次，考虑模糊数为高斯模糊数的情形，给出基于局部核权最小二乘的模糊变系数回归方法，同时给出缺失数据下的模糊变系数回归方法；并把模糊变系数方法推广到金融领域，研究模糊变系数回归方法在基金评价中的应用。随后，讨论输入输出均为模糊数的模糊变系数回归建模及其参数估计问题，给出参数估计方法，即新规则下的模糊变系数回归方法，并通过实例对模糊变系数回归方法与模糊线性回归方法进行比较分析。最后，提出基于变系数回归模型的模糊变系数回归估计方法，通过截集的方法，将模糊变系数回归模型转化为经典的变系数回归模型来处理，以获得最终数据。并通过实例验证这种方法的实用性。