在大数据时代,因果推断作为一种新的研究范式在近二十年越来越受到重视,其中观测性研究因其有效性被逐步运用在政策评估、医疗和互联网等领域。倾向得分是观测性研究中估计因果效应的常用方法,但是基于倾向得分的参数方法在实际应用中存在模型被错误估计的问题;然而使用非参数方法在多维协变量情况下存在“维数灾难”的问题。不仅如此,在临床医疗和公共卫生领域,观测数据有时是右删失的,这导致非删失观测下的因果推断方法在估计生存因果效应时存在偏差。因此估计生存因果效应需要同时考虑数据的删失问题和因果推断模型的稳健性的问题,本文通过基于倾向得分的半参数方法估计右删失观测下干预的平均处理效应。本文以半参数加速失效时间模型为基础,探究基于倾向得分的半参数方法估计右删失数据的生存平均处理效应。首先,针对因果推断中参数模型和非参数模型存在的缺点,在半参数加速失效时间模型中引入倾向得分作为协变量,通过协变量调整的方法估计生存平均处理效应,其中通过对数秩回归的方法估计因果效应参数。其次,对加速失效时间模型中基于秩的方法进行改进,本文提出一种基于倾向得分残差的方法,通过投影将研究对象转换为基于倾向得分残差的线性模型。对于数据存在右删失的问题,通过Kaplan-Meier权重构造伪观测修正删失样本,其中因果效应参数通过基于Kaplan-Meier权重的加权最小二乘方法获得。本文分析了这两种基于倾向得分的半参数估计量的渐近性质,通过数值模拟验证模型的稳健性,并将其运用在德国乳腺癌问题的研究中,分别用这两类方法研究化学手段治疗对乳腺癌患者生存时间的影响。最终的数值模拟和实例研究的结果表明:（1）两类基于倾向得分的半参数方法在倾向得分模型被正确估计时,其估计量都具有无偏性而无论响应变量模型能否被正确估计;（2）当倾向得分被误估时,这两类方法的估计量都是有偏的;尤其当处理分配不平衡时,倾向得分残差方法估计量的波动较大;（3）在乳腺癌诊疗方案的实例分析中,两个数据集的结果都表明:采用保守治疗方案的病人其生存时间更长。