复发事件数据广泛出现在生物学、临床医学等应用研究领域。因该数据复杂的相依性和删失的存在，使得对它的分析比较困难。然而，因其广泛的应用性价值备受广大学者的关注。近几十年来，变量选择作为一种信息提取的重要工具，受到统计学者们的高度重视．然而如何从复发事件数据中提取有用的信息逐渐成为人们关心的问题。　　本文主要在多类型复发事件数据的背景下研究变量选择的两个问题：　　第一，根据惩罚估计函数方法的思想讨论了乘性比率回归模型的变量选择问题。首先，利用SCAD方法对估计方程进行惩罚，同时实现了参数估计和变量选择．其次，在一定的正则条件下，证明了所得估计具有Oracle性质．最后，通过模拟研究说明该方法具有较好的提高模型预测精度和降低模型复杂度的效果。　　第二，根据非凹惩罚似然方法的思想研究了加性比率回归模型的变量选择问题。首先，构建了一个拟线性回归模型，利用SCAD方法对损失函数进行惩罚。通过最小化惩罚损失函数，得到未知参数的估计值和模型变量。其次，在一定的正则条件下，证明了所得估计的Oracle性质．最后，通过模拟研究表明了此方法具有一定的变量选择效果。