تحلیل و مدل‌بندی داده‌های با بعد بالا یکی از چالش برانگیزترین مسائل روز دنیا است. تحلیل و تفسیر این‌ داده‌‌ها کاری ساده نیست و نیازمند استفاده از روش‌های مدرن است. روش‌های جریمه‌ای یکی از مشهورترین راه‌های تحلیل داد‌ه‌های با بعد بالاست. همچنین مدل‌بندی رگرسیونی و تحلیل آن به‌شدت تحت تاثیر مشاهدات پرت قرار می‌گیرد.

روش کمترین توا‌ن‌های دوم پیراسته نیز یکی از بهترین روش‌‌های استوار برای از بین بردن تاثیر تخریبی این نقاط است.

مدل‌های نیمه‌پارامتری که مدل‌هایی بسیار انعطاف‌پذیرند، ترکیبی از هر دو نوع مدل‌های پارامتری و ناپارامتری هستند. این مدل‌ها زمانی‌که هم بخش پارامتری و هم بخش ناپارامتری در مدل وجود دارد، مفیدند. هدف اصلی این مقاله تحلیل مدل‌های نیمه پارامتری در داده‌های با بعد بالا با حضور نقاط پرت با استفاده از روش لاسو تنک استوار است. در انتها، کارایی برآوردگر پیشنهادی با استفاده از یک داده واقعی در مورد تولید ویتامین ‎lr{B2}‎ سنجیده می‌شود.