在经济学、医学、社会学等领域的研究工作中,经常得到纵向数据结果,甚至是多重响应的纵向数据.这种类型的数据可以刻画个体在不同时刻不同指标的特征.此外,纵向数据的变量选择可以帮助研究工作者提取对响应变量有重要影响的指标,从而得到更有效的模型解释数据.本文主要利用适应性变量选择方法讨论多重响应情况下的纵向数据联合回归分析问题.我们关注的是连续响应和二元响应的情况.首先,对纵向数据进行联合建模,得出基于数据的似然函数;其次,利用Adaptive LASSO进行参数估计和变量选择,并且采用BIC准则讨论调节参数的选取.从理论上证明了参数估计结果具有Oracle性质;然后,将使用本文中的联合建模方法与使用glmmLasso单独建模的方法进行模拟分析比较;最后,将本文所提方法应用到欧洲抑郁症研究的实际数据分析中进行验证.结果表明,本文的方法在选择精度和估计精度方面具有很大的优势,尤其是当随机效应的维数增加时,使用Adaptive LASSO联合建模下对纵向数据进行变量选择比单独建模得到的结果更加稳定、更接近真实模型.