生长曲线模型,也称增长曲线模型,是PottoffR. F和Roy S. N率先提出来的,到现在己经有将近半个世纪了,其研究意义越来越受到重视,基于生长曲线模型的衍生方向的研究也受到关注。此外,在诸多领域,如生物统计,环境科学,经济科学等,需要对模型提取比较重要,信息权重比例大的变量,剔除对模型影响较小的变量。本文研究的重点是关于生长曲线模型的变量选择方法,基于拟似然估计,将模型做了P-R变换,结合惩罚函数,改进了变量选择的方法,文章从以下三个方面进行说明：第一,介绍模型的背景和应用,分析拟似然估计原理,得到拟对数似然函数和拟得分函数,从而可以获得拟似然估计值,并说明传统的变量选择方法的缺点。第二,根据拟似然估计的原理,结合惩罚函数及性质,提出关于生长曲线模型的拟惩罚函数,并定义惩罚拟对数函数,获得惩罚拟似然估计值,给出计算惩罚拟似然估计的算法。第三,说明了惩罚拟似然估计在模型的变量选择过程中具有相合性和非零参数估计的渐近正态性,即大样本性质,并给出证明。上述研究有效地解决了变量选择对模型稳定性影响问题,并依此提出改进的建议。