在生存分析和纵向研究中，复发事件数据会经常出现，比如临床医学中某种疾病的重复发作，工业生产中一种机器重复出现故障，等等。对复发事件数据的研究具有重要的理论意义和实际应用价值。在本文中，我们将研究复发事件数据建模方法和统计推断方法。　　 对于复发事件数据的分析，我们将对两种时间（或其分布特征）进行建模。第一种时间是指从进入试验开始到感兴趣的事件发生这一段时间，第二种时间是相邻两次感兴趣事件发生的间隔时间。　　 我们在第二章和第三章以第一种时间为研究对象，对复发事件过程的比率函数建模，并且考虑了终止事件对复发事件的影响。我们对活着的个体建立了边际比率模型，模型中有一个潜在变量，这个潜在变量可能与终止事件有关，另外，我们也对终止事件建立了风险模型。其中第二章研究了带终止事件的复发事件的加性-乘积比率模型，模型中一部分协变量是加性效应，另一部分协变量是乘积效应。第三章中，我们研究了带终止事件的复发事件的加速比率模型，在这个模型中，协变量直接对时间做了一个尺度变换。我们利用广义估计方程的思想进行参数估计。证明了估计量的渐近性质。通过数值模拟评估了提出的方法在有限样本下的表现，并用我们提出的方法分析了实际医学数据。　　 在第四章，我们以第二种时间为研究对象，对间隔时间的风险函数建模。我们建立了一类转移风险模型。这类模型包括了很多常见的风险模型，如加性风险模型，比例风险模型，以及Box-Cox风险模型。我们提出了对于一般的转移函数都适用的估计方法。证明了所得估计量的渐近性质，我们还提供了检验模型拟合效果的检验统计量，并做了数值模拟来评估估计量的有限样本表现，最后进行了实例分析。