成组复发事件数据是比复发事件数据更加复杂的一大类复杂数据,其研究结果不但有重要的理论意义,而且具有广泛的应用前景。在本文中,我们较系统的研究了成组复发事件数据下的统计建模。第一,复发事件在生物医学研究中经常出现,并且每组中的个体之间可能不是相互独立的。对于成组复发事件数据,我们给出了半参数的加性比率模型,在这个模型中协变量与未知的基本比率函数为加性关系。在推断模型参数中,用到的是估计方程的方法,并且得到了估计参数的大样本性质。我们还进行了大量的模拟研究,模拟研究的结果与理论结果是相符的。第二,我们在成组复发事件数据下研究了一个一般半参数的加性乘积比率模型,在这个模型中有些协变量的影响是加性的,有些协变量的影响是乘性的。利用估计方程的理论,我们给出了该模型中未知参数和基本比率函数的估计同时利用现代经验过程理论证明了所得估计的相合性和渐近正态性。第三,半参数边际转移模型是较广的一大类半参数模型,它包含了前面的加性模型和乘性比率模型作为特殊情形。我们给出了成组复发事件数据的一类半参数的边际转移模型。在未知模型参数和非参数函数的推导中,用到了估计方程的方法,并且运用现代经验过程理论证明了估计函数的相合性和渐近正态性。第四,我们对成组复发事件数据建立了半参数加速失效时间模型,在这个模型中协变量对均值函数在整个复发过程中有加速、减速的作用,这与前面三个模型是完全不同的。对未知参数的推导,我们用到了广义估计方程的方法,又运用了现代经验过程理论,证明了估计参数的相合性和渐近正态性。