在本学位论文中，首先讨论纵向数据下半参数变系数部分线性EV模型和部分线性EV模型的经验似然推断.我们采用block经验似然方法来较好的降低纵向数据组内的相关性.进而提出感兴趣参数部分的block经验对数似然比统计量，并在适当的条件下我们得到非参数情形下的Wilks定理.由此我们可以得到参数部分的渐近经验似然置信域的覆盖概率.　　以上模型均是在测量误差假定是独立同分布情形下讨论的.然而，在很多情形下，同方差假定又显得过于苛刻.异方差情形通常存在于时间序列模型中.众所周知，在异方差情形下，通常的最小二乘估计量不在具有相合性.　　考虑以上因素，本学位论文的第二个目的是利用经验似然方法分别研究异方差变系数部分线性测量误差模型和异方差部分线性测量误差模型兴趣参数置信域的构造问题.分别在误差方差已知及未知两种情形下，提出参数部分两种不同的经验似然比，并得到非参数情形下的Wilks定理.最后的模拟研究表明所提出的经验似然方法优于其他方法.