在纵向数据的分析中，对响应变量均值和协方差矩阵同时建模，不仅能够有效提高均值推断的效率，而且能对响应变量协方差深入了解。但是对协方差矩阵的建模要比回归均值建模困难的多，这是因为协方差矩阵的参数个数非常多，且必须满足正定性要求.在本文中，我们使用Cholesky分解方法，对协方差矩阵进行分解，得到的参数可以视为自回归时间序列的系数和更新方差，且协方差矩阵能够自动满足正定性要求。此种分解中得到的参数具有良好的统计意义，包括线性回归方法在内的一大类回归方法可以被用来对分解得到的参数进行精简建模。本文中我们假设响应变量服从多元t分布，从而比常用的正态分布假设更加稳健。为对参数变量同时进行估计和选择，我们采用SCAD惩罚方法，获得了参数的估计，并证明了所得到的估计在较一般的正则条件下具有相合性和渐近正态性。之后我们也给出了一种选择惩罚函数中调节参数的方法。