纵向数据或面板数据是经济管理和生物医学中经常遇到的复杂数据类型，对于这种数据，一种常见的拟合方式是采用半参数模型，我们利用模型平均方法对模型进行估计，提出了删组交叉验证准则（LsoCV）选择估计量中的权重，并证明了其渐近最优性，从而解决了残差项组内相关带来的问题。考虑到时间序列模型中残差项有时会存在序列相关性，我们也利用LsoCV准则为时间序列模型平均选择权重，同样证明了准则的渐近最优性。大量的模拟结果显示，在残差序列高度相关时，LsoCV方法比同方差假设下的MMA方法和异方差假设下的JMA方法有明显的优势。进一步，我们将该方法用于预测我国的CPI，预测效果比其它方法更好。

该论文2015年被国际顶级计量经济学杂志 Journal of Econometrics接受发表“Gao, Y., Zhang, X., Wang, S. and Zou, G. (2015). Model averaging based on leave-subject-out cross validation.”。副主编和两位审稿专家较好的评价。 副主编: I also read the paper and believe that the paper makes a significant contribution to the existing literature on estimation of panel data models by using model averaging method, and by allowing for a more general (non iid) error processes；第一位审稿人: The current paper makes a nice contribution to the literature by proving optimality of model averaging based on LsoCV method,…；第二位审稿人: The paper is interesting,…。