双重区间删失数据常见于医学、流行病学,经济学等领域,是生存分析研究中一种重要的数据类型。比如在艾滋病定群研究中,对被输入污染血液的血友病患者进行了间歇性观测,该研究的目的是确定病人被输入污染血液的量的多少对艾滋病潜伏期的影响,而艾滋病的潜伏期需要通过感染HIV-1和患艾滋病两个事件来确定,但是在研究中这两个事件均不能被直接观测,只能确定其发生的区间,于是就产生了双重区间删失数据。目前大多数学者针对双重区间删失数据的研究主要集中于参数估计问题,而关于双重区间删失数据的变量选择问题的研究还相对较少。因此,本文将研究双重区间删失数据下Cox比例风险模型的变量选择问题,其研究内容如下:一、针对Cox比例风险模型,通过Bernstein多项式来近似基准风险函数,将其参数化。基于此,推导出双重区间删失下的似然函数,然后采用BAR（Broken Adaptive Ridge）方法来对变量进行选择。为了简化计算复杂度,本文结合Newton-Raphson方法与迭代最小二乘,将变量选择的惩罚似然转化为最小二乘估计的问题,从而实现变量选择。然后通过数值模拟和实例分析来验证本文所提方法有效性和可行性,模拟结果显示相较于本文中其他的变量选择方法,BAR方法在选择变量时较稳定,并且MMSE最小,错误选择变量个数最少。二、针对变系数Cox比例风险模型,采用B样条来近似时变系数,Bernstein多项式来近似基准风险函数。基于此,推导出双重区间删失下变系数Cox比例风险模型的似然函数。采用AGLasso（Adaptive Group Lasso）来构造似然函数,然后使用迭代组Shooting（Iterative Group Shooting）算法来对惩罚函数进行优化,从而实现变系数Cox比例风险模型的变量选择,获得重要变量,通过数值模拟和实例分析验证该变量选择方法的有效性和可行性,结果显示在不同样本量,不同参数个数以及不同删失率下,本文提出的变量选择方法能够以较高概率正确的选择出重要变量。与BAR方法相比较,AGLasso方法选择变量的正确率更高。最后,本文给出了总结和对未来拟做的研究内容。