复发事件数据在医学、生物学、经济学、可靠性工程学等领域都有着广泛的应用。由于复发事件数据的数据量较大，处理起来也会较为复杂。对复发事件模型中的协变量进行变量选择，可以缩减数据维度，降低模型复杂性，简化计算过程。因此，本文提出了针对带有时间相依协变量的信息删失复发事件脆性模型的变量选择方法。
　　首先，介绍生存分析的基本概念、基本函数以及常用的生存分析回归模型，并对复发事件数据模型以及当前生存分析领域的变量选择方法进行简要介绍。
　　其次，对于带有时间相依协变量的信息删失复发事件脆性模型及其参数估计方法进行详细介绍，并对基于 Cox 模型的 Adaptive Lasso 变量选择方法及其求解算法进行详细介绍及说明。
　　之后，建立带有时间相依协变量的信息删失复发事件脆性模型，并采用Adaptive Lasso方法对模型中的时间相依协变量进行变量选择。
　　然后，对建立的复发事件脆性模型和选用的Adaptive Lasso变量选择方法进行数据模拟。对模拟生成的复发事件数据进行变量选择和参数估计，并对变量选择以及参数估计的结果进行分析。模拟结果表明，本文所采用的 Adaptive Lasso 变量选择方法，可以有效地对带有时间相依协变量的具有信息删失的复发事件脆性模型进行变量选择，并对模型中的参数进行有效估计。
　　最后，对本文的主要研究工作进行总结，并对本文中需要推广、改进和继续研究的地方进行展望。