在科学研究中,经常会出现研究对象重复经历同一件事情或者多次失效的现象,这样的事件被称为复发事件。复发事件数据是复发事件发生次数、时间以及影响因素共同构成的。复发事件数据多出现在医学和公共卫生、商业和工业、可靠性、社会科学和保险等领域。由于在很多领域中复发事件都广泛存在,所以对复发事件数据的研究可以为各个领域的人提供帮助,具有重要的意义和价值。从上个世纪80年代开始,众多学者投入到复发事件的研究中,到目前为止已经针对不同情况提出了多种不同的模型。众多的研究中,主要是针对两类,一类针对复发事件的危险率函数和强度函数,另一类针对复发事件均值函数和比率函数。这两类模型相比较,均值、比率模型更具有解释意义,应用更加广泛。在处理实际的复发事件时间数据时,面对不同的均值、比率模型,选择一个最能拟合实际数据的模型是很重要的问题,在这篇文章中我们利用包围(encompassing)原理,构建Mizon-Richard的检验统计量,对模型的拟合效果进行检验。本文在包围原理的指导下,建立了检验统计量,并通过蒙特卡罗模拟,计算检验水平和检验势,以此比较本文提出的统计量和原有的统计量的表现。最后将提出的检验应用于慢性肉芽肿病(Chronic Granulomatous Disease)数据的分析。对来自不同生成过程的复发事件数据进行蒙特卡罗模拟,通过分析和比较认为本文构建的检验统计量是优良的,对于原假设的接受或是拒绝判断与真实的数据生成过程相符合。因此本文提出的方法可以解决复发事件数据模型选择的问题,为实际工作者提供可靠的理论基础和统计分析方法。