在变系数部分线性模型的估计中，利用已有的辅助信息对提高参数估计的准确度和模型的实际效用有着不可或缺的重要性。这里探讨带有辅助信息的变系数部分线性模型并且其线性协变量带有误差时所探讨目标模型在线性约束条件下的统计推断问题。本文首先利用r阶局部多项式回归技术对带有辅助信息的误差线性协变量进行估计，其次本文利用profile最小二乘估计推导变系数部分线性模型参数部分在线性约束条件下的约束估计形式，并且证明本文所提出的估计形式满足渐近正态性质，再次本文利用拉格朗日乘子检验方法验证了约束条件的合理性，本文同时给出了所提出的检验统计量在本文假定的检验问题中的原假设成立的情况下服从渐近标准的卡方分布，在备择假设成立的情况下所提出的检验统计量服从非中心卡方分布，本文最后通过数值模拟对参数部分的约束估计针对不带约束情况下的估计做了对比，对本文提出的参数部分的估计和本文提出的检验方法进行了针对有限样本性质的数据验证。　　与此同时本文还探讨研究了同时包含缺失的响应变量，并且同时包含带有测量误差协变量的这一类变系数部分线性模型的参数在线性约束条件下的估计问题。对于缺失的数据本文首先利用借补估计方法来补全所缺失的数据，其次利用修正的最小二乘估计对模型的参数部分进行约束条件下的估计，利用profile拉格朗日乘子检验方法针对上述所研究目标模型的参数部分在约束条件下的估计做检验。本文还证明了取得的参数部分约束估计满足渐近正态性质并且同时指出检验统计量在检验问题中原假设成立的条件下渐近服从标准卡方分布。最后本文利用数值模拟检验了缺失数据下参数约束估计和假设检验的效率。