在癌症的临床试验研究中,带有治愈部分的生存数据越来越常见。同时在生物医疗领域,聚类失效时间受到了研究者们越来越多的关注。边际混合治愈模型最近被用来分析这种带有治愈部分的聚类失效时间数据。现存的针对聚类数据进行变量选择的方法较少,而且普遍假设数据之间是相互独立的,依赖于似然函数。我们提出的惩罚广义估计方程方法只需要指定前两阶矩和工作相关矩阵,既避免了复杂的联合似然函数的计算,又考虑到了数据之间的相关性。惩罚项部分,我们考虑使用满足oracle特性的SCAD惩罚函数,并配合使用GIC准则来选择调优参数。由于数据是右删失的,我们通过结合EM算法来计算惩罚逻辑回归模型和惩罚Cox比例风险模型中的回归参数。我们使用Bootstrap方法来估计参数的方差。数值模拟研究显示,我们提出的方法使用起来比较简单,并且与现存的一些忽略聚类间相关性和未进行变量选择的广义估计方程方法相比更高效。最后,我们进一步地把提出的方法应用到一个戒烟聚类数据中。