纵向数据是指对一系列试验个体随着时间的推移进行跟踪测量获得的数据。它在心理学、社会学、医学以及生物学等学科领域中经常出现,其最大的特点是其将截面数据和时间序列数据结合在一起,既能分析观测单元随时间的变化趋势,又能分析观测总体的变化趋势。近年来,针对纵向数据做亚组分析的研究,引起了国内外学者的广泛关注。本文通过建立两种纵向数据边际效应模型,采用交错方向乘子算法,来达到识别亚组和参数估计的双重目的。在医学问题上,个性化医疗因其治愈率高,已成为当今新型医学研究的热点。实施个性化医疗的关键在于准确识别出混杂人群的亚组,并对每个亚组实施精准治疗策略。正如治疗方法的异质性对精准医疗的发展至关重要,精准医疗也能为特征相似的患者亚组寻找最有效的医学疗法。而实现这一目标的一大挑战是,医学上通常无法获得关于患者组信息的先验知识。针对这一问题,论文中首先假定治疗变量的系数是依赖亚组的,且假定患者所属亚组信息均未知的情况下,考虑了一种边际系数效应回归模型;然后,在假定异质性来源于未观测的潜在变量的情况下,特定主体的截距表示产生异质性的潜在因素,建立了边际截距效应回归模型。之后,为达到估计模型参数和识别亚组的目的,论文中采用了一种能够自动估计组结构和特定亚组的交错方向乘子法,此算法在一定的条件下,使得真实组信息的先验知识的ORACLE最小二乘估计量在很高的概率下是目标方程的局部极小,这一性质为亚组数目和模型参数的统计推断提供了一种理论支撑。最后,论文为了检测模型的有效性,采用随机模拟法估计损失参数,以及识别亚组,并通过分析Kalsow等公布的一组艾滋病群组研究的数据,来说明亚组分析的实际效果。