摘要
非参数变系数模型通常用于分析随时间反复测量的数据，包括纵向和功能响应数据。虽然已经开发了许多用于估计可变系数的程序，但尚未解决此类模型的变量选择问题。在本文中，我们使用基函数近似和一组平滑剪裁绝对偏差惩罚（gSCAD），提出了一种用于非参数变系数模型变量选择的正则化估计方法。该gSCAD程序同时选择具有时变影响的重要变量，并使用基函数近似估计未知平滑函数。通过适当选择调优参数，我们建立了过程的oracle属性和函数估计的一致性。这些方法通过模拟和应用来说明，以分析微阵列时间进程基因表达数据，以识别与酵母细胞周期过程相关的转录因子。
