有几个变量选择程序可用于连续时间到事件数据。然而，如果时间是以离散的方式测量的，因此出现了许多联系，那么连续时间的模型是不够的。我们提出了惩罚似然方法，该方法在离散生存模型中对种群异质性进行显式建模，从而进行有效的变量选择。该方法基于针对离散生存情况量身定制的脊型和套索型惩罚的组合。在模拟研究和第一个孩子出生时的应用中对性能进行了研究。