由于计算的困难,半参数AFT模型不如Cox比例风险模型应用广泛。近年来关于最小二乘估计和诱导平滑估计方程的发展为删失数据处理提供了有效的工具,使得AFT模型得以广泛应用。对于边际AFT模型,本文采用扩展的GEE方法应用于删失数据。它的优点在于,即使工作协方差阵是错误指定的,回归系数的估计量也具有相合性,且当工作协方差结构接近真实时,估计效率更高。每个边际的边际误差分布和回归系数允许是唯一的或者是根据需要跨边际共享的。初始估计量是具有Gehan权重的rank-based估计量,但是根据诱导平滑方法得到的更加容易计算。最终得到的估计量具有一致性和渐近正态性,方差估计通过扩充再抽样方法获得。在一个大规模的模拟研究中,尤其是当群内相关性很强时,我们分别考虑二元连续数据和二元离散数据两种情况下得到的估计量的工作效果,事实证明该估计量的有效性最高可达忽视群内相关性得到的估计量的三倍。最后,我们将方法应用于糖尿病视网膜病变数据中,检测单一变量及交互变量对患者的病情的影响。