经济学、保险精算学、生物学、医学、人口统计学、犯罪学以及可靠性工程学等众多学科中,广泛存在着对某一特定事件发生的时间进行估计和预测的问题。生存分析就是借助统计学的方法与理论,解决与给定事件发生时间相关的问题的技术。生存分析中获得的数据集往往有一个共性,即观测的结果常常是删失抑或截断的。对个体仅有两次观测而只能确定事件发生的时间与时间段的关系但无法获知精确的时间点时,称之为Ⅱ型区间删失数据。在生存分析中,常常可以通过比例危险率模型和可加危险率模型等对生存时间和影响生存状态的协变量之间的关系进行描述。两种模型分别从不同角度描述了失效时间与协变量间的关系,当研究重点在于风险差异时,可加危险率模型往往较比例危险率模型在应用上更加可信。当建模过程中出现协变量部分缺失的情形时,在关于协变量的辅助信息可以使用的情形下,辅助协变量的加入可以显著提高模型的估计效率。本文在Feng et al.(2015)对Ⅰ型区间删失数据下带辅助协变量的可加危险率模型的回归分析基础上,解决了Ⅱ型区间删失数据下带辅助协变量的可加危险率模型的回归分析问题。本文首先阐明了模型相关问题的研究背景与研究现状,进而利用基于估计方程的方法,通过强度过程建立了传统的偏似然函数。然后通过辅助协变量引入引致强度思想,把偏似然函数转化为引致偏似然函数,最后将引致偏似然函数进一步转变为可估偏似然函数,从而有效利用了可加危险率模型中的辅助协变量信息。由于Ⅱ型区间删失数据比Ⅰ型区间删失数据复杂得多,通过对两次观测时间的顺序限制把Ⅱ型区间删失最终转化为Ⅰ型区间删失,从而最终解决了Ⅱ型区间删失数据下带辅助协变量的可加危险率模型的参数估计问题。并在此方法基础上通过分阶段估计参数的处理,提高了估计结果的有效性。对于两种估计方法得到的估计量,本文均在适当的正则条件下证明了估计结果的大样本性质。本文还对Ⅱ型多元区间删失情形、Ⅱ型信息区间删失情形、连续辅助协变量情形以及个体协变量部分缺失情形下的参数估计问题进行了简要探讨以期扩大两种方法的应用性。最后通过数值模拟与实例分析的方式表明了本文提出的两种方法所具有的应用价值。