在纵向跟踪研究中,我们感兴趣的事件在每个个体身上可能发生不只一次,这样的事件称为复发事件,对应的数据称为复发事件数据。复发事件广泛存在于生物学、医学等领域。早期研究中将死亡等视为右删失,假设其与复发事件独立。但很多情况下,疾病的不断复发和死亡间有很强的相关性,这与假设不符。近年来,学者提出终止事件概念,即:阻止复发事件再发生的事件,以区别于右删失。终止事件概念的引入使得原有的广义估计方程出现部分缺失值。边际模型方法是处理带终止事件的复发事件数据的常用方法之一,它对终止事件和复发事件之间的关系不做具体假设,是一种比较稳健的方法。本文使用该方法对带终止事件的复发事件数据建立加速比率模型,通过对终止事件发生时间和删失时间建模,分别使用生存逆概率加权(inverse probability of survival weighting)方法和删失逆概率加权(inverse probability of censoring weighting)方法构造缺失值的估计,得到新的估计方程,并证明了所得估计的相合性和渐近正态性。加速比率模型中,协变量的作用是直接对比率函数中的时间进行尺度变换,具有形式简单、解释性强等特点,是主要的半参数模型之一。但因其特殊结构导致部分估计值的方差可能出现数值不稳定的情况,我们利用重抽样技术加以解决,同时给出模型检验的方法。