在统计推断中，从分布未知的总体中获取样本通常采用都是简单随机抽样。但是，在某些实际问题中，当采用简单随机抽样比较耗时耗费时，这时可采用排序集抽样。排序集抽样发展至今在参数估计，假设检验和非参数统计推断方面都有不少的结果。二维排序集抽样是由Al-Saleh(2002)作为普通排序集抽样的二维情形引进的。它可以用来处理两样本特征，且相比较二维简单随机抽样具有更高的效率。　　 本文首先介绍了一般排序集抽样的背景和抽样过程，以及国内外对排序集抽样方法的研究现状。其次引入二维排序集抽样概念及抽样步骤，列出了二维排序集抽样下样本密度函数的一些性质。本文的主体部分给出了二维排序集抽样下Morgenstern型二维指数分布中两变量相关系数的无偏估计，分参数λ，θ已知和未知两种情况进行了讨论，并计算了二维排序集抽样与二维简单随机抽样的相对效率，在此基础上，证明了采用二维排序集抽样得到的Morgenstern型分布中两变量相关系数的无偏估计比简单随机抽样效率高。然后讨论了此情形下两变量相关系数的修正的极大似然估计，与简单随机抽样进行了比较，并证明了二维排序集抽样的有效性。本文最后总结了已做工作并展望了后续研究方向。