生存分析是20世纪70年代以来发展起来的数理统计新分支,着重对生存数据进行统计分析研究的一门学科。在许多学科领域,如医学、生物学、保险精算学、可靠性工程学、公共卫生学、经济学以及人口统计学等领域,都存在对某给定事件发生的时间进行估计和预测的问题。生存分析就是对一个或多个非负随机变量进行统计分析,即根据观测到的数据对其性能进行统计推断的学科。基于统计学方法的生存分析的内容以及到目前为止的理论发展可以归纳如下：基本的数据类型,参数模型和极大似然估计,非参数方法,半参数模型,删失数据的回归分析、假设检验以及多变量生存分析等。对于COX模型,经过一个未知的单调变换后等于协变量的线性函数加上一个随机误差,随机误差可以是已知的也可以是未知的,即其线性变换模型为g(T)=-β’Z+ε.对于这个模型本文先求出变换函数g(·)的估计,进而利用lasso方法将生存数据模型系数进行压缩并且使某些系数变为0,再利用AIC或BIC准则将为0的系数截去,从而确定模型的阶数,进而达到变量选择的目的；并根据改进的fused lasso运用Monte Carlo方法确定调整参数,使模型的波动性变小,比较稳定。最后通过模拟数据和实际数据的运算结果来说明生存数据的变量选择问题,并提出了有待进一步解决的问题。