在实际生活中,除同质总体数据外,还存在大量异质总体数据,对于这些数据来说,混合回归模型是重要的统计分析工具之一,并且被广泛应用于生物、医学、经济、金融、环境保护、工业设计等领域。混合专家回归模型在混合回归模型的基础上对混合比例建模,进一步对异质总体数据进行分类、聚类及回归分析。变量选择是统计分析与推断中的重要内容,也是当今研究的热点课题。针对混合回归模型,目前研究较多的是对其参数进行估计,而对变量选择的研究较少。由此,针对混合模型的变量选择问题,本文系统介绍其研究概况和最新进展,并指出了有待进一步研究的问题。本文所做工作如下:(1)针对异质总体提出混合联合均值与方差专家回归模型;对均值、方差和混合比例同时建模,并采用MM算法和EM算法估计各个模型的未知参数,进而用Monte Carlo随机模拟试验和实际数据来验证模型的有效性和实用性。(2)进一步将上述模型扩展,得到t型混合双重广义线性专家回归模型;参数的t型伪似然估计将同样由EM算法完成;通过Monte Carlo随机模拟试验验证方法的有效性以及实用性。(3)将惩罚似然函数应用于选择混合联合均值与方差模型中的变量。惩罚函数与似然函数整合得到相应的惩罚似然函数,采用BIC准则选择各个模型的调谐参数,进而得到变量选择的具体计算过程;通过随机模拟试验和实际数据验证方法的有效性。