虽然离开-主题交叉验证（CV）已在实践中广泛用于各种非参数和半参数纵向数据模型的参数选择，但其理论性质未知，并且解决相关优化问题的计算成本很高，特别是当存在多个调谐参数时。在本文中，通过关注惩罚样条方法，我们证明了遗漏主体CV是最优的，因为它渐近等价于经验平方误差损失函数最小化。开发了一种高效的Newton型算法来计算优化CV准则的惩罚参数。通过仿真数据和实际数据验证了离开-主题CV在选择惩罚参数和工作相关矩阵方面的有效性。