部分线性模型是1986年由Engle等[6]在研究天气对电力需要的影响时首次提出。这种模型同时包含线性参数部分和非参数部分，比线性模型更自由灵活，比非参数模型更全面，应用十分广泛。　　 在引言中，我们介绍了部分线性模型的来源，以及研究现状.目前，部分线性模型的估计方法日臻成熟.然而，对模型检验的研究仍不是很成熟.接下来介绍了各专家学者对模型检验的研究，主要有基于似然函数、基于残差标志过程和基于Adaptive Neyman方法的检验，并讨论了上述方法的局限性。　　 本文研究的模型为　　 Y=βTX+g(T)+ε，其中X为d维随机向量，T为d1维随机向量，β为d维未知参数，g(·)为光滑函数.给定X，T时，ε的期望为零，方差为σ2.研究的假设检验为　　 H0：E(Y∣X，T)=βTX+g(T)()H1：E(Y∣X，T)≠βTX+g(T)。本文利用经验似然比统计量进行检验，经验似然比统计量由Owen[15]首次提出.在2.1节中，我们给出了这种方法的详细介绍。首先由模型(1.3)得到一组相互独立数据的(t1，x1，y1)，(t2，x2，y2)，…，(tn，xn，yn)，定义()i。　　 ()i=(yi-βTxi-g(ti))(xi-x)，其中x为样本均值。从而给出假设检验的经验似然比统计量其中()i为()i的估计值。利用Lagrange乘子法以及加权最小二乘法，我们可以给出λH0的估计值，由此所得的估计值依分布收敛于x2分布。这种方法的优点有：一是它没有涉及任何方差估计，二是没有对置信域的形状加以约束，第三它是Batlett可纠偏的等。