El análisis de regresión puede ser apropiado para describir una relación no lineal entre la variable de respuesta y las variables explicativas. Este artículo describe la construcción de un modelo de regresión parcialmente lineal con dos componentes sistemáticos basados en la distribución normal log-logística exponenciada de las probabilidades. Los parámetros se estiman mediante el método de máxima verosimilitud penalizada. Simulaciones para algunas configuraciones de parámetros y tamaños de muestra prueban empíricamente la precisión de los estimadores. La superioridad del modelo de regresión propuesto sobre otros modelos de regresión se muestra mediante datos de experimentación agronómica. El rendimiento predictivo del nuevo modelo se compara con dos técnicas de aprendizaje automático: árboles de decisión y bosques aleatorios. Estos métodos lograron un rendimiento de predicción similar, es decir, ninguno se destaca como un predictor mejor. En este sentido, el objetivo de la investigación es elegir el mejor método. Si el objetivo es solo predictivo, se puede usar el árbol de decisión debido a su simplicidad. Para propósitos de inferencia, se recomienda el modelo de regresión, que puede proporcionar mucha más información sobre la relación de las variables en estudio.