基尼系数作为一个具有重要影响力的统计指标被广泛应用于衡量样本数据分布的集中程度或均匀程度,在日常的经济、社会与生活等方方面面都扮演着十分重要的角色。同时,在生物医学、生态学和经济学等领域的应用中,常常遇到半连续数据,即在零点离散取值而在正实数集上连续取值的数据类型。由于该类型数据具有大量零观测值和呈现偏态分布的非零观测值等特点,导致常见的参数分布不能完全拟合此类样本数据。针对此类半连续数据特点,本文首先提出使用一种非标准两成分混合模型对数据分布进行建模。在此模型基础上,得到了对基尼系数点估计的表达式,此结果表明若简单忽略零观测值的存在,将显著低估总体的基尼系数。其次,本文进一步考虑了常用的非参数方法构造基尼系数的置信区间,包括基于渐近正态、基于bootstrap重抽样和基于经验似然的方法,并研究了上述方法构建的置信区间在半连续数据和非标准混合模型下的适用性。最后,本文提出了一类更稳健的置信区间构造方法,通过对基尼系数使用logit和probit变换来进一步提高上述基尼系数置信区间覆盖率。通过大量蒙特卡洛数值模拟,本文发现在半连续数据中,bootstrap校准后的经验似然法构建基尼系数的置信区间对零观测值的占比和数据的分布更具有稳健性。但在零观测值占比较高、且样本量较小的条件下,经过logit和probit变换的bootstrap分位数法在置信区间覆盖率方面更具有优势。在实证分析中,通过构造实验组和对照组的住院费用和输血费用等指标的基尼系数点估计和置信区间,由此来判断治疗晚期结直肠癌患者的靶向抗体西妥昔单抗（Cetuximab）是否会影响医疗费用支出的差异程度。