在给定响应变量的期望或者其它指标后求解对应多维预测变量的置信域是一个应用广泛的问题。本文中以药理学的剂量—反应关系研究为应用背景，但是我们所提出方法的应用并不只限于药理学。除去一些受试对象在零剂量水平的情况下也会有反应的背景，我们考虑所谓的超额风险(Excess Risk)，这方面的研究中响应变量通常都是二分的，但是我们对数值型的响应变量进行研究以获得更为丰富的信息。本文主要研究与超额风险相关联的多变量有效剂量(Excess Risk related Multi-Dimensional Effective Dose: ERED)的分析方法。　　 对单变量的ERED已有若干研究，而对多维ERED的研究在文献中尚不多见。在本文中我们首次给出多维ERED的定义并利用多种方法对多维ERED置信域进行构造与估计。为解决这个问题，我们将采用条件化的方法，即通过固定k维ERED中的k-1维，求解关于余下变量的条件一维问题来得到多维预测变量的置信域。并且，我们将该方法应用于处理左删失连续数据的多变量Tobit模型相关的ERED求解问题。　　 我们利用九种方法得到同时或者逐点置信域，包括Scheffé方法、delta方法、Fieller方法以及参数和非参数的bootstrap百分位数法、bootstrap偏差修正法、bootstrap加速偏差修正法。我们通过计算机模拟实验来比较这些方法的有效性与稳健性，模拟计算结果表明:如果对所求的置信域的置信水平有比较严格的要求或者求同时置信区间，那么我们推荐比较保守的Scheffé方法;在误差满足标准正态分布时求逐点置信域我们推荐delta方法和Fieller方法，并且不推荐使用非参数bootstrap方法;对于关于0对称的重尾分布，比如t分布，我们推荐delta方法和Fieller方法;如果分布关于0非对称，则要结合具体情况选择delta方法或者Fieller方法;如果分布只取非负值，那么我们提出的方法只适用于ERED05，对于ERED50和ERED95则只具有一定的参考价值。　　 模拟计算结果表明我们从单维到多维的推广是合理的，我们采用的Tobit模型与采用的方法是有效并且稳健的，实施比较简单，可行性较强，具有一定的应用价值。