当随机观测的某些分量存在缺失时，我们考虑对由一般估计方程定义的参数进行经验似然推断。由于估计方程的性质是广泛的，我们提出了一种从给定始终可观测变量的缺失变量条件分布的核估计量中对缺失值进行非参数插补的方法。经验似然用于构建感兴趣参数的剖面似然。我们证明，所提出的非参数插补可以消除缺失中的选择偏差，经验似然可以导致更有效的参数估计。通过对重组近交系小鼠遗传数据集的模拟和实证研究，进一步评估了该方法。