在医学研究背景下,聚类区间删失数据是一种重要的数据类型,每类数据具有删失结构且数据间常伴有很强的关联性。对于数据之间关联性的处理是必要的。本文将数据之间的关联性通过Copula函数刻画并利用广义估计方程中的工作相关矩阵进行表达,得到GEE-Copula的估计方法,应用该方法对AH模型进行统计推断。利用数值模拟的方式验证该方法的有效性,同时与独立结构下的广义估计方程得到的估计结果比较分析,发现GEE-Copula得到的估计结果无论在估计的有效性上还是稳定性都要优于独立结构下的广义估计方程得到的结果。本文前两章主要探究选题的研究背景及意义并简述应用的基本理论和方法,主要内容是第3、4和5章:第3章通过胃癌癌前病变的实例对聚类失效数据进行了统计分析,通过广义估计方程的方法估计Logistic回归模型中的兴趣参数,其中估计方程中的工作矩阵分别通过四种Copula函数构造的。最后通过QIC准则选择了最适合该数据下的工作相关矩阵。第4章探究了GEE-Copula对于聚类区间I型删失情况的估计问题。首先介绍了聚类区间I型删失的数据形式,建立AH模型,选用Copula函数刻画广义估计方程中的相关结构,构造模型中的回归参数的估计方程及Copula函数中联系参数的估计方程,最后通过牛顿迭代算法对方程组的参数同时求解。模拟说明了该方法是有效的。第5章探究了GEE-Copula对于聚类区间II型删失情况的估计问题。首先介绍了聚类区间II型删失的数据形式,建立AH模型,选用Copula函数刻画广义估计方程中的工作矩阵,构造AH模型中回归参数的估计方程及Copula函数中联系参数的估计方程,最后通过牛顿迭代算法对方程组的参数求解。模拟说明该方法是有效的。