最近数十年见证了国内机动化水平的大幅提高,也导致了依然严峻的道路交通安全形势。同时,大量交通事故数据被记录下来,成为交通安全研究的宝贵资源。利用回归模型分析事故数据,在宏观层面上可以展现交通安全的发展趋势;中观层面上可以发掘潜在的道路影响因素,更合理地评估事故频率;微观层面上可以分析各类驾驶行为对事故严重性/事故形态的效应,正成为改善交通安全表现日趋重要的辅助工具。本论文首先归纳总结提出事故数据编组与交通事故数据分析方法的三个层面概念,并使用不同范围的国内道路交通事故数据,进行了宏观、中观和微观三个层面的三项研究工作。宏观层面,利用近年来卫生部的道路交通事故死亡人数数据,考虑电动自行车保有量增长及长期交通安全意识改善的影响,建立基于Smeed模型及其一种改进型的Smeed类模型,结果表明短期内国内宏观道路安全水平呈速度趋缓地逐步改善态势。中观层面,利用我国东部地区某城市某道路3年的全部事故数据,考虑数据特性、城市道路特点,以MCMC完整贝叶斯法(Markov Chain Monte Carlo(MCMC)Full Bayesian Method)建立基于负二项模型的、分层混合效应整合路口路段月度事故频率分析模型,结果表明该模型具有比标准形式模型更好的拟合度;道路周边土地利用性质影响事故频率;而载客三轮摩托车(“蹦蹦”)是潜在的安全隐患之一;此外,时间、信号控制路口、车道数、路侧隔离形式、人行横道密度和弯道密度也是显著变量。微观层面,利用我国西部地区某地5年的一般事故数据,以MCMC完整贝叶斯法建立分层混合效应多项logit模型及顺序logit模型,分析驾驶人伤亡情况的影响因素。结果表明,“当量差”能表达碰撞双方类型的差异,部分违法行为对驾驶人的伤亡有显著影响,对方超速和本方驾驶未登记机动车是使本方驾驶人受更严重伤害的因素之一。最后,汇总三个层面研究的结论,提出提升事故数据回归分析工作的一般性结论,并探讨各层面研究的后续方向。