高斯混合模型的傳統(tǒng)估計對重尾誤差很敏感。 因此，通過假設(shè)誤差項遵循拉普拉斯分布，我們提出了魯棒的混合回歸模型。 對于新的魯棒混合回歸模型中的變量選擇問題，我們引入了自適應(yīng)稀疏組Lasso罰分以在組級別和組內(nèi)級別實(shí)現(xiàn)稀疏性。 如數(shù)值實(shí)驗所示，與其他替代方法相比，我們的方法在變量選擇和參數(shù)估計方面具有更好的性能。 最后，我們運(yùn)用我們提出的方法來分析2018年至2019年期間的NBA薪資數(shù)據(jù)。