缺失数据是指在数据的收集时,由于一些原因只观测到了其中的一部分数据,,这样就得到存在缺失值的数据.在实际的数据统计中,数据缺失的现象是很容易发生的,也引起人们越来越多的关注和研究.半参数模型是统计学中一类理论丰富、应用广泛的重要模型,它同时具备着参数模型和非参数模型的双重优点,在经济管理、金融工程等诸多领域都有着广泛的应用,部分线性模型作为一种非常重要的半参数模型,是本文主要的研究对象.目前,学者们对缺失数据下半参数模型的研究主要关注在对模型参数的估计及其渐近性质上,取得了很多的学术成果,而对缺失数据下半参数模型的序列相关检验问题的研究还比较少.在做回归分析时,对于一个拟合较好的模型来说,其残差是一组白噪声,这就要求残差是独立的,不具有序列相关性,否则,就会带来很多的问题,甚至会导致模型失效.基于以上考虑,本文主要研究了协变量缺失下部分线性模型的序列相关检验问题.线性模型作为统计学中一种基础性模型,研究线性模型对其它模型研究有着重要的启示和借鉴作用.因此,在研究部分线性模型之前,我们首先研究了线性模型,提出了经验似然比检验方法,对协变量缺失下线性模型的残差进行序列相关检验,,数值模拟的结果也表明检验方法的有效性.在对线性模型的研究基础上,进一步研究了协变量缺失下部分线性模型的序列相关检验问题.针对协变量的缺失部分,首先采用借补的方法进行处理,借补之后,估计出模型的参数部分和未知函数,其次,为了对部分线性模型的残差进行序列相关检验,我们引入了经验似然的方法,构建了经验似然比检验统计量对其进行检验,并证明了在满足假设条件和零假设条件下,该统计量的渐近性质,最后,数值模拟的结果验证了文中检验方法的有效性.