摘要：应用科学，包括生物医学的纵向和集群研究，需要分析超高维线性混合效应模型，我们需要从大量可用的候选变量中选择重要的固定效应变量。然而，先前的研究假设所有可用的协变量和随机效应分量都独立于模型误差，而这在实践中经常被违反（内生性）。在本研究中，我们首先研究了超高维线性混合效应模型中的这一重要问题，特别关注固定效应的选择。我们研究了不同类型的内生性对现有正则化方法的影响，并证明了它们的不一致性。然后，我们提出了一种新的轮廓聚焦广义矩量法（PFGMM），在“误差协变量”内生性下，即模型误差与协变量之间存在相关性的情况下，一致地选择固定效应。该方法被证明是与概率趋于1一致的预言机，并且在大多数其他类型的内生性下也能很好地工作。此外，我们提出并说明了几种一致的参数估计，包括方差分量的估计，以及使用PFGMM方法的变量选择。经验模拟和一个有趣的实际数据示例进一步支持了所述方法的实用性。

关键词和短语：内生性、预言变量选择、轮廓聚焦广义矩法、超高维混合效应模型。