在生产实践和科学研究中,我们经常遇到重复观测的或与生存时间相关的复杂数据.纵向数据是一种重复观测得到的数据,生存数据是与生存时间相关的数据.把生存数据和纵向数据分别进行单独研究,可以很容易理解,但却经常忽略了他们之间的相关性和分析产生的有偏估计.为此,有学者提出了把这两种数据联合起来建模的联合模型.但在研究的过程中,由于时间、经济、测量工具等条件的限制,经常出现事件时间删失的情况,而无法得到完全的数据,生存数据显著的特点就是删失,所以在联合建模的过程中需考虑删失的情况.利用联合模型对纵向生存数据建模分析,具有一定的实用价值.本文主要做了以下几个方面的工作:第一章,介绍了生存数据的特点、基本函数和常用模型及纵向数据的定义、特点和模型方法的研究综述,给出本文研究的实际背景及意义,并对本文研究的数据进行说明.第二章,介绍了纵向生存数据进行单独分析的Cox比例风险模型和线性混合效应模型,及他们各自模型的参数估计方法,为下一章建立联合模型做准备.第三章,以第二章的生存数据模型和纵向数据模型为基石,建立纵向生存数据的标准联合模型,并对标准联合模型进行扩展,给出标准联合模型的模型选择准则,最后给出标准联合模型参数的极大似然估计方法.第四章,在第三章的基础上,建立纵向生存数据的广义联合模型及模型的扩展,并给出广义联合模型的模型选择准则,最后给出广义联合模型参数的贝叶斯估计方法.第五章,利用PBC数据分别进行单独生存、纵向分析和联合分析.结果表明联合建模得到的结果比单独建模的结果好,贝叶斯估计的结果比极大似然估计的结果好.