经典的Cox模型是一种半参数的模型，要求协变量满足比例风险性的假设，这个要求过于苛刻。带有时间协变量的Cox模型不受比例风险性的约束，但是没有考虑到现实中未被观测到的因素对失效事件的影响以及各次观测间相关性的存在。 异质性模型是Cox模型的一个推广，它在Cox模型中加入随机效应项，它允许诸如重复测量等所引起的数据间的相关性的存在，并将未被观测到的因素对失效事件的影响也考虑在内。但是，异质性模型只是将经典cox回归中的常数项看成随机变量，因此未能对个体内部的差异还是个体外部的差异对失效事件的影响作出明确的划分。 多水平模型的统计方法主要用于嵌套结构数据的线性统计方法，它可以将各个回归系数看做随机变化的，并能够把个体内和个体外对因变量的影响划分开，但是要求因变量要有明确的值，对于一些可以通过计算得到但不能直接观测到的变量，若要考虑一些因素对它的影响，目前的多水平模型是无能为力的。 本文结合异质性模型和多水平模型的特点，对经典Cox模型进行了改进，建立了一种含有多个协变量的多水平异质性模型，并对此模型一个到多个协变量的情形进行比较分析，然后在WinBugs中用MCMC算法的Gibbs抽样方法对各参数进行估计，最后的随机模拟和应用实例表明，在协变量增加的情况下此模型能帮助我们更好地解决实际问题。