| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-10页 |
| 1.1 纵向数据 | 第8页 |
| 1.2 边际模型 | 第8页 |
| 1.3 模型选择 | 第8-9页 |
| 1.4 稳健估计 | 第9页 |
| 1.5 本文结构 | 第9-10页 |
| 2 基于HBR权重的LAD-LASSO稳健参数估计和变量选择 | 第10-22页 |
| 2.1 引言 | 第10-11页 |
| 2.2 基于HBR权重的LAD-LASSO(HWLAD-LASSO) | 第11-12页 |
| 2.3 理论性质 | 第12-13页 |
| 2.4 数值研究 | 第13-19页 |
| 2.4.1 模拟结果 | 第13-18页 |
| 2.4.2 例子分析 | 第18-19页 |
| 2.5 结论 | 第19页 |
| 2.6 理论性质证明 | 第19-22页 |
| 3 基于经验似然和高斯伪似然的纵向数据变量选择 | 第22-34页 |
| 3.1 引言 | 第22-23页 |
| 3.2 广义估计方程（GEE） | 第23页 |
| 3.4 GEE框架下协变量选择准则 | 第23-27页 |
| 3.4.1 QIC | 第23-24页 |
| 3.4.2 EQIC | 第24页 |
| 3.4.3 EAIC和EBIC | 第24-27页 |
| 3.4.4 GAIC和GBIC | 第27页 |
| 3.5 模拟研究 | 第27-33页 |
| 3.5.1 模拟结果 | 第27-31页 |
| 3.5.2 实例分析 | 第31-33页 |
| 3.6 结论 | 第33-34页 |
| 4 基于Adaptive LASSO惩罚GEE和WGBIC准则的纵向数据稳健模型选择 | 第34-48页 |
| 4.1 引言 | 第34-35页 |
| 4.2 方法 | 第35-38页 |
| 4.2.1 有效且稳健的广义估计方程（ERGEE） | 第35-36页 |
| 4.2.2 Adaptive LASSO惩罚的ERGEE | 第36页 |
| 4.2.3 渐进性质 | 第36-38页 |
| 4.3 算法实现 | 第38-39页 |
| 4.3.1 控制参数λ和工作相关矩阵的选择 | 第38页 |
| 4.3.2 控制参数γ的选取 | 第38页 |
| 4.3.3 散度参数 | 第38-39页 |
| 4.3.4 算法 | 第39页 |
| 4.5 模拟研究 | 第39-45页 |
| 4.5.1 模拟结果 | 第39-43页 |
| 4.5.2 实例分析 | 第43-45页 |
| 4.6 结论 | 第45页 |
| 4.7 定理和引理证明 | 第45-48页 |
| 5 结束语 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54页 |
| A．作者在攻读学位期间发表的论文 | 第54页 |
