本文提出了一个应用在包含内生性部分函数性系数模型的半参数估计方法。模型中一部分变量的系数形式为常数,同时允许其他内生变量带有由其他外生变量决定的函数性系数。利用文中估计方法处理该模型的内生性问题,能够有效解决在传统实证研究中工具变量少于内生变量以致无法估计的问题。在控制函数法的基础上,我们提出的半参数轮廓估计法能够简单直观地同时计算出线性系数及函数性系数。当外生变量过少时,为了满足识别中的阶条件,我们利用了序列估计方法提取内生变量之间的非线性,并得出估计量的一致性和渐进性质。我们也调整了在序列估计中因样本误差导致渐进方差有偏的问题。蒙特卡洛模拟表明,相比于Cai et al.(2017)中的估计量,我们提出的估计量在小样本误差较小,更为有效。我们进一步结合我们的方法及Oreopoulos(2006)的数据,研究了受教育年限对收入的影响。在这一实证研究中,我们的模型同时考虑了受教育年限及其平方两个内生变量,并考虑两者的函数性系数。在仅有一个工具变量的情况下,我们成功估计的结果不仅表明受教育年限的边际效与传统工具变量法估计的结果相近,而且估计出在不同受教育年限的不同边际效应。我们同时发现因忽略黑人男性与工作经历的交互关系,传统工具变量方法将低估结果。