在许多实际问题的研究中,例如医学中跟踪一种新研发药物的临床试验、民意测验、社会问卷调查等,由于种种因为,经常很容易导致数据的大量缺失,而通常使用的统计方法都需要在样本数据完整的情况下进行,这使得统计推断无法顺利进行.那么,如何处理样本中的缺失数据,使得统计推断得以顺利进行,近年来越来越引起人们的广泛关注.当存在缺失数据时,自然想到先对缺失数据进行借补处理,从而得到样本完全数据后再应用通常的统计方法进行推断.　　 本文针对响应变量存在缺失时的非线性半参数回归模型,共分四部分来研究.　　 第一部分介绍了经验似然基本理论,并着重介绍了缺失数据的缺失机制以及相应的处理方法.　　 第二部分引入非线性半参数回归模型:　　 Y=f(X,β)+g(T)+ε首先研究了参数β的经验似然,分别基于样本的完全数据和借补数据.需要指出的是,在研究样本借补数据时,又进一步细化为基于一般借补数据和修正借补数据的情形.役出了参数β的渐近正态性及其对数经验似然函数是渐进服从X2分布的.接下来研究了响应均值的经验似然,利用纠偏修正方法和加权半参回归借补来直接得到θ的一个加权修正对数经验似然比函数是渐近服从自由度为1的X2分布.又用加权借补估计θ得到其估计值　　 (0)=1／nc∑l=1(Y)i的渐进正态性.　　 第三部分做出在一维样本数据下的数值模拟结果.　　 第四部分给出了5个引理及其证明,并证明了第二章中得到的主要结论.