在纵向和重复测量数据分析中，目标通常是确定治疗或方面对特定结果的影响（例如疾病进展）。我们考虑一个半参数重复测量回归模型，其中参数分量模型对感兴趣变量的影响和其他协变量的任何修改。该参数分量相对于其他协变量的期望值是对变量重要性的度量。在这里，我们提出了有限维回归参数的目标极大似然估计量，它很容易使用广义估计方程的标准软件进行估计。
目标最大似然法提供了变量重要性参数的双重稳健和局部有效估计，并基于影响曲线进行推断。我们通过在正确和不正确的模型规范下进行模拟来证明这些特性，并将我们的方法应用于估算酵母中转录因子（TF）在细胞周期中的活性。我们特别针对SWI4、SWI6、MBP1、MCM1、ACE2、FKH2、NDD1和SWI5的重要性。半参数模型允许我们通过指定时间指示器作为TF的潜在效应修正器来确定TF在特定时间点的重要性。我们的结果很有希望，在预期的时间段内显示出重要的趋势。该方法也可用作变量重要性分析工具，以评估大量变量（如基因表达或单核苷酸多态性）的影响。
©2011 Walter de Gruyter GmbH&Co.KG，柏林/波士顿
