部分线性模型在统计领域起到了至关重要的一种半参数模型，在经济统计、生物医学及金融时间序列分析中，部分线性模型通过对于数据进行拟合研究，对于非参数回归中普遍存在的“维数灾难”，也能够较为有效地改善。　　缺失数据是在各领域研究中经常面对的，在日常分析与研究中对于缺失数据的处理一直是学者们探究的热点，对于数据存在缺失的半参数模型研究具有重要的意义。　　到目前为止，多位学者对于响应变量或者协变量缺失的部分线性模型估计以及渐近性质的研究得到了许多成果，但是，对于存在缺失的模型的序列相关检验的研究较少，残差是否为白噪声过程是检验模型拟合程度的重要标准，当独立性条件被破坏时，残差会存在序列相关性，可能会导致很多问题的出现，严重的情况可能会导致模型被误用。本文正是考虑的这方面问题，讨论响应变量缺失情况下部分线性模型序列相关检验，文章内容安排如下：　　第一章，绪论部分，主要对于缺失数据、序列相关检验、经验似然及缺失数据半参数模型研究现状进行了简单介绍。　　第二章，研究了缺失数据半参数模型估计方法及渐近性质，为下文中对模型序列相关检验及定理证明做好铺垫。　　第三章，响应变量缺失部分线性模型序列相关检验，通过运用VT,p检验及经验似然比检验两种方法对于模型残差部分序列相关性检验问题进行了阐述，构建了VT,p检验统计量和经验似然比检验统计量，在满足假设条件及零假设下，得到了统计量的渐近分布，同时数值模拟对此进行了验证。　　第四章，对于第三章中所得定理的证明。　　第五章，通过将部分线性模型应用到小麦抗倒伏性分析，进行了模型应用。　　第六章，对于文章整体进行了总结与展望，提出了对于缺失数据进一步探讨提出了自己的设想。