Los modelos parcialmente lineales encuentran una amplia aplicación en biometría, econometría, ciencias sociales y varios otros campos debido a su versatilidad para adaptarse tanto a elementos paramétricos como no paramétricos. Este estudio tiene como objetivo establecer inferencia estadística para los efectos de los componentes paramétricos dentro de estos modelos, empleando un enfoque de probabilidad empírica no paramétrica. El método propuesto implica un paso de proyección para eliminar el componente no paramétrico molesto y utiliza una técnica basada en probabilidad empírica, junto con la corrección de Bartlett, para mejorar la probabilidad de cobertura del intervalo de confianza para el parámetro de interés. Este método demuestra robustez en el manejo de errores distribuidos normal y no normalmente. La estadística de razón de verosimilitud de probabilidad empírica propuesta converge a una distribución chi-cuadrado límite bajo ciertas regulaciones. Los estudios de simulación demuestran que este método proporciona una mejor inferencia en términos de probabilidades de cobertura en comparación con el método convencional basado en la aproximación normal. El método propuesto se ilustra mediante el análisis de los datos de vivienda de Boston de un estudio real.