由于纵向数据中混合效应模型结构特别复杂，非正态假设下似然方程不容易建立，这使得模型的估计和变量的选择问题变得十分困难。 基于Wu and Zhu (2009)提出的正交矩估计方法，首先用分位数回归方法取代最小二乘方法，给出模型中未知参数的稳健估计，提高估计的效率；其次，我们拟采用复合似然方法（Composite likelihood method）给出新的估计方法，并研究估计的渐近性质；而后给出Scad, Lasso等惩罚准则进行选变量；接着， 再深入研究样本量较少而固定效应或者随机效应的维数较大(小n大p)时，混合效应模型中随机效应和固定效应的估计和变量选择问题；最后，我们把以上研究的结果推广到半参数混合模型等。
