复发事件数据是现代统计学特别是生存分析领域中经常遇到的复杂数据，在医学、生物学、社会学和经济学等相关领域均有着广泛的应用。分析这类复杂数据，建立合理的统计模型进行统计推断，进而达到解释和预测的目的，能够给我们提供很多有用的信息。因此，对复发事件数据的研究不仅具有重要的理论意义，也有广泛的实际应用前景。本文中，我们对带终止事件的复发事件数据提出了一些新的建模分析方法。　　第二章，我们对带终止事件的复发事件数据提出了一种联合建模的分析方法，通过引入一个共用潜变量来刻画复发事件和终止事件之间的相关关系，对复发事件过程采用比例强度模型，对终止事件时间采用加性风险模型。另外，考虑到在有些情形中，可能部分协变量效应是加性的，部分协变量效应是乘性的，第三章，我们仍然通过引入共用潜变量的方式对复发事件过程和终止事件时间联合建模，对复发事件过程采用比例强度模型，对终止事件时间则采用可加可乘风险模型，它同时考虑了协变量对风险函数的加性效应和乘性效应。以上两项工作中，均假定潜变量对复发事件过程的强度函数和终止事件时间的风险函数具有乘积作用，并且未对潜变量和删失时间的分布做任何参数形式的假定，从这个意义上看我们所提出的联合模型具有很大的灵活性。在这两章中，我们都通过广义估计方程的思想建立估计方程，并建立了估计量的渐近性质。此外，通过数值模拟，我们展示和评估了所提方法在有限样本下的表现，并在各章节都进行了实例分析以说明所提出方法的应用。　　第四章，我们对带终止事件的复发事件数据研究了一类Box-Cox变换模型，比例均值模型和优势比模型为其特例。其中对复发事件计数过程的条件均值函数和基准均值函数都进行Box-Cox变换，对终止事件时间考虑了比例风险模型。我们利用逆概率生存加权的思想，通过偏得分函数构建估计方程来估计模型参数，并且建立了所得估计的渐近性质。　　最后通过数值模拟评估了所提出估计的有限样本性质并将该方法应用于一组慢性心脏衰竭疾病数据。