纵向数据在流行病学、生物医学等领域有着广泛的应用。例如在医学上,患者在看病过程中,对患者在不同时间内就诊过程中记录收集到的数据就是纵向数据。同时,纵向数据在基因关联分析上的研究中相比于横截面数据在基因关联分析的研究中,可以研究个体本身的性状复杂性在不同时间内的变化情况,也可以提升基因位点上的遗传变异位点对某些复杂性状的解释水平。近年来,在基因与纵向数据的研究中,主要还是集中在纵向数据的形式下研究基因组关联分析对个体性状的影响;如与分别提到利用纵向数据模型去研究基因的关联分析。前者利用该纵向数据模型去研究酵母菌细胞在一个周期或几个周期内的基因表达水平;后者利用该纵向数据模型去识别在不同周期内调控细胞基因表达水平的转录因子;然而在以上的研究中并没有考虑到遗传模型不确定的情形。如果在建模时没有考虑遗传模型不确定的情况,那么就会对我们的统计推断造成一定的影响。因此,本文主要讨论的是在纵向数据的基因关联分析中去考虑基因位点上遗传模型的不确定情形,结合惩罚的思想给出与等变量选择的方法并最终得到参数的估计,最后通过数值模拟来说明变量选择方法的合理性。