医疗成本数据的不完全性和右偏性是医疗成本分析时两个常见的问题。只用观察到的医疗费用数据进行分析会导致严重的误导。由于在删失时间的累积成本和在生存时间的累积成本一般是正相关的，所以不能用标准的生存分析方法如Kaplan-Meier估计和Cox比例风险回归模型来分析删失医疗医疗成本。本文主要研究医疗成本在删失和右偏时的均值线性回归模型和分位数回归模型。　　 本文通过完全观察样本的逆概率加权估计函数来处理医疗成本的删失问题。对于医疗成本的均值线性回归模型，利用分割观察时间区间的方法，引进了三种不同的经验似然估计方法来估计回归系数并构造相应的置信域。与已有的方法相比，本文所提出的的这些方法更加充分合理地利用了医疗成本的已有信息，并且得到的估计更有效。在一些正则假定下，证明了所提出的经验似然估计及其置信域的大样本性质。考虑到医疗成本的右偏性和观察数据可能存在异常值，本文也研究了医疗成本的分位数回归模型。由于构造分位回归估计的估计函数的不可微性，本文采用光滑经验似然方法来估计相应的回归系数并构造其置信域。这种方法避免了在求解不光滑估计方程时的繁琐计算。本文证明了这些经验似然方法有很好的理论性质和有限样本性质。通过模拟试验可知，与已有的方法相比，本文的方法有更好和更稳健的表现。