变量选择问题巧妙地运用了统计学中的方法,从众多特征变量中挑选出少数合适的变量来对模型进行解释和预测,逐渐成为统计学中的热门话题。如今变量选择问题涉及到许多方面,与之相关的模型也多种多样,对于生存分析的相关模型,目前为止很多文献的研究是基于右删失数据的,有关区间删失数据的文献数量少之又少,有必要进行更为深入的研究。本文针对变系数Cox模型,对I型区间删失数据下的变量选择问题进行研究。由于这类模型形式特殊,其似然函数中含有基准累积风险函数（？）0（t）和变系数函数β（t）两个未知参数,本文中利用伯恩斯坦多项式对基准累积风险函数（？）0（t）进行拟合,对于变系数函数β（t）,文章采用B样条近似展开的方法进行拟合,结合经典的自适应组Lasso变量选择方法,对对数似然函数加以惩罚项,并且将极大化对数似然函数通过转换变成了极小化负惩罚对数似然函数,为了达到简化公式的目的,文章利用乔里斯基分解处理对数似然函数,使之转化成为最小二乘的形式,并提出了新的迭代过程,求解模型,从而完成整个变量选择的程序。为检验方法的可行性和有效性,进一步地讨论变系数Cox模型在含有I型区间删失数据的情况下的变量选择问题,文章给出了具体的生成数据方案和评价指标用于数值模拟。结果显示,文章中的方法选取含有I型区间删失数据的变系数Cox模型的主要变量的效果较好。另外,不分段的函数拟合效果比分段函数的拟合效果更好,观测个体数更多或者删失率更低时,变量被选择出的准确率更高。此外文章还结合了有关于阿尔兹海默症的实际例子,建立探究其影响因素的模型,发现五个因素对患病有一定的影响,分别是:临床痴呆评定表得分、听觉语言即时复述学习测试得分、照料者水平、慢性病得分和患者自理能力。根据实验结果画出了这几个因素随着时间变化的函数图像,并相应地给出了合理化建议。