在医学统计和流行病学研究中，人们经常遇到新的治疗方法和标准治疗方法的等价性评价以及构造它们的危险度差的置信区间等问题，目前国内外利用配对实验设计对这类问题进行了大量研究，他们的研究大都在完全数据的情况下进行的。在医学试验的PhaseⅢ阶段，通常用配对设计实验来提高统计分析的效率和降低研究成本，但是由于新药品未知的毒副作用，或者样本在测试期间因为个体的离开，死亡等原因造成个体退出试验或不能继续试验，或者登记数据人员的失误，导致数据缺失，即不完全配对试验。Chang(2009)对带有缺失数据的配对实验设计进行了研究，给出了独立样本的置信区间，但是没有给出在相关情况下风险度差的置信区间。Lin(2009)等利用贝叶斯P-值对带有缺失数据的配对实验设计进行了研究，给出了犯第一类错误的概率和功效，但是没有考虑带有缺失数据配对实验设计危险度差的置信区间。　　 本文感兴趣的是新旧疗效响应比率的风险差，通常进行的是“点”假设，本文中我们考虑区间假设，即:H0:-δ0＜△＜δ1，其中0＜δ0，δ1＜1，δ0和δ1可以不相等，而假设检验与置信区间是等价的，因此本文着重于两方面内容的研究:　　 1.缺失机制MAR下，不完全配对数据风险差的区间假设　　 2.缺失机制MAR下，不完全配对数据风险差的置信区间构造　　 对于区间假设，本文构造了似然比LR检验统计量，Score检验统计量和2种Wald检验统计量。风险差置信区间本文构造了11种方法，前四种方法是根据区间假设而来了，后四种方法是基于MOVER方法，本文构造了基于MOVER的Wilson-Score2个置信区间和2个基于Agresti-Coull的置信区间，同时本文还构造了3个基于Bootstrap方法的置信区间。　　 模拟结果显示，AM方法中Tw1和Tw2表现较好，第一类误差控制在指定水平，而BT检验方法具有较好的稳健性。Tw1，Tw2，MA1，MA2，B1，B2，B3的经验覆盖概率非常接近95％，而Tw2，B1，B2，B3计算较为耗时，本文最后建议用Tw1，MA1，MA2来构造配对试验中带缺失数据风险差的置信区间。实证分析也验证了我们的结论。