复发事件数据和纵向数据在纵向研究(比如医疗跟踪研究)中经常出现,它们是两类典型的复杂数据类型,对这两种数据的研究具有重要的理论意义和实际应用价值。在本文中,我们分别对复发事件数据和纵向数据提出了一些新的建模分析方法。　　 对于复发事件数据的分析,我们在第_章提出了一类混合效应比率函数模型,该类模型包含比例比率模型,并允许协变量对复发过程比率函数的效应既可以是比例的也可以是收敛的。第三章中,我们还研究了一族带终止事件复发数据的变系数半参转移模型,该族模型为刻画协变量对复发过程均值函数的效应提供了广阔的选择空间,并且不需要对过程的结构做任何具体假设,具有很大的灵活性。在参数的推断中,应用估计方程的思想构造估计函数,所得估计量的渐近性质也得到了证明。此外,我们还提供了检验是否变系数的检验统计量和检验拟合效果的模型检验统计量。最后,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。　　 对于纵向数据的分析,我们对带信息观测和删失下的纵向数据模型进行了一系列的研究。带信息模型一般都是通过潜变量来建立联合模型。我们在第四章研究了带信息观测和删失模型下的随机效应模型,并在第五章发展了处理带有时间相依协变量情形的方法。以上两项工作均需要假定潜变量的作用效果具有线性形式以及观测过程在给定协变量和潜变量的条件下是泊松过程,并利用替代变量的方法来构造估计方程。第六章中,通过引入潜变量,我们研究了一个带有终止事件的带信息观测纵向数据的联合模型。利用条件期望的性质,我们巧妙地化繁为简,不再需要对潜变量的分布和作用结构做任何假定,所提出的方法具有非常大的灵活性。我们在各章节还分别推导了所得估计量的大样本理论,并进行了有限样本的模拟以及实例分析。