本文主要讨论部分线性模型:Y=Xτβ+m(T)+ε，并且假设E(Y|X,T)=Xτβ+m(T),Var(Y|X,T)=σ2V(Xτβ+m(T)),其中Y是响应变量，X，T是协变量，m(·)是未知可测函数，ε期望为0，且与(X，T)相互独立，β，σ2是未知参数，V(·)是已知的方差函数.　　部分线性模型是1986年Engle等在研究电力需求和天气之间的关系时首次提出，由于它包含参数和非参数两部分，比较容易解释各变量的影响情况，因此在实际应用中比线性模型更加灵活、实用，一经提出，便受到统计学者的广泛关注.　　似然方法是一种应用广泛的参数和非参数估计方法.在本文中，我们主要将拟似然方法和经验似然方法应用于部分线性模型的估计.　　首先，对部分线性模型中非参数函数构造Nadaraya-Watson估计(m)β，将其代替模型中的m(·)，得到了模型的拟得分函数和参数β的拟似然估计方程;然后，应用经验似然方法，利用部分线性模型的拟得分函数和方差结构构造估计方程，此时得到参数β的极大经验似然估计与其拟似然估计是相同的，并获得了参数（βτ，σ)的拟似然估计及其渐近方差.为了更好地利用方差信息，我们对部分线性模型的方差结构进行加权，获得了参数（βτ，σ）的经验似然估计及其渐近方差，并证明了，在一定条件下，所得参数的经验似然估计的渐近方差要小于拟似然估计的渐近方差，从而提高了部分线性模型的拟似然参数估计的效率;最后，讨论了最优权函数的选择问题，给出了特定条件下的最优权函数.