在临床试验的研究中,常常会因为客观条件的限制而无法得到寿命数据的精准观测值,只能观测到删失数据。而删失数据的统计模型和方法常建立在生存时间与删失时间相互独立的情况下,而实际生活中存在很多相关性删失情况,相依删失数据的研究受到了很多学者的关注。本文将对右删失数据和I型删失数据下加速失效时间模型进行统计分析,该模型是寿命数据研究中广泛被应用的一个模型。加速失效模型是对对数生存时间和协变量之间的回归关系进行假定,由于其形式更接近与一般的回归模型,对分析的结果解释较比例风险模型简单直观,易于理解。在相依删失数据研究中Copula函数是广泛应用的一种方法。在给定Copula函数的条件下,可以得到失效时间与删失时间的联合分布函数,利用联合分布函数解决相依数据下的统计问题。本文利用给定的Copula函数去刻画相依结构。在右删失数据的研究中,采用了权重重新分配方法和Copula函数去构造似然函数,而对于区间删失数据,则是利用Copula函数构造出似然函数,并用迭代算法得到回归参数的估计。本文所用方法在相依情况下可提高估计值的准确度,相比于独立删失情况下的方法更加精确。文章最后对Copula的各种假定进行了敏感性分析,并通过模拟计算验证了估计结果在不同的Copula下是比较稳健的,也验证了文中所采用方法的合理性和有效性,还引用了一个实际数据例子来验证方法的实用性。