En los modelos existentes con una función de enlace desconocida, no se ha estudiado el problema de los predictores que contienen tanto múltiples datos funcionales como múltiples datos escalares. Para llenar este vacío, proponemos un modelo lineal parcialmente funcional generalizado, que no solo modela la relación entre múltiples predictores escalares y funcionales y las respuestas, sino que también estima automáticamente la función de enlace. Específicamente, utilizamos el método de análisis de componentes principales funcionales para reducir la dimensionalidad de los predictores funcionales, estimar los coeficientes de regresión utilizando el método de estimación de máxima verosimilitud, estimar la función de enlace utilizando el método de regresión lineal local, obtener iterativamente el estimador final y establecer la normalidad asintótica del estimador. La normalidad asintótica se ilustra a través de experimentos de simulación. Finalmente, el modelo propuesto se aplica para estudiar la influencia de los niveles ambientales, económicos y médicos en la esperanza de vida en China. En el estudio, los predictores funcionales son el índice diario de calidad del aire, la temperatura y la humedad de 58 ciudades en 2020, y los predictores escalares son el PIB y el número de camas en hospitales. Los resultados experimentales indican que el modelo de función de enlace desconocida tiene un error de predicción más pequeño y un mejor rendimiento que tanto el modelo con la función de enlace conocida como el modelo sin función de enlace.