纵向数据是指对每一个个体在不同时间进行观测而得到的由截面和时间序列融合在一起的数据。纵向数据最大的特点就是它将截面数据和时间序列数据结合在一起,既能分析出个体随时间的变化趋势,又能分析总体的变化趋势。但是,由于同一个体在不同时间进行了重复观察,而且个体之间又存在着一定的差异,这就导致了纵向数据建模时的协方差结构的复杂化.Liang和Zeger(1986) 提出了工作相关阵的思想,对纵向数据的广义线性模型参数估计建立了广义估计方程,由此得到的参数估计即使在工作相关阵错误指定情况下还是相合的,但是估计的效率可能很差。基于此,Qu等(2000) 提出用二次推断函数的方法改进广义估计方程。这一思想的好处是不用直接估计工作相关阵中的多余参数,而是利用广义矩估计的思想建立估计方程。由此得到的估计同样具有相合性,且在工作相关阵错误指定时,与广义估计方程相比极大的提高了估计的效率。本文的工作是在前人的工作基础上将二次推断函数方法应用到纵向数据半参数模型(部分线性模型),去改进模型中参数部分的估计效率,并且证明了估计的相合性和渐近正态性等大样本性质。最后在随机模拟中验证了估计的有效性,并应用到实例中。