在医学、生命科学、保险等领域研究中,纵向数据和生存数据常常同时被收集,且二者通常是相互关联的,若仅单独分析其中之一,则有可能得到不可靠的结论。因此,为了探索这两类数据之间的相互关系并得到有效的统计推断,许多学者建立能够同时处理纵向数据与生存数据的模型,即所谓的联合模型。目前,在纵向响应的正态性假设下,联合模型得到了广泛研究。然而,一些产生于实际问题中的数据并不满足正态性假定,此时,若依然在正态性假设下对数据进行建模分析,则有可能得到不合理甚至错误的结论。为此,一些学者已在非正态性假设（比如,偏分布,有限混合正态分布等）下,研究了联合模型的统计推断问题。但目前尚未见到纵向响应服从再生散度分布族的联合模型的相关报道。因此,本论文研究纵向数据与生存数据非线性再生散度联合模型的统计推断在理论及现实方面都具有非常重要的意义。本文研究了纵向数据与生存数据的非线性再生散度联合模型:（1）在纵向响应服从再生散度分布族的假设下,建立了纵向数据与生存数据的非线性再生散度联合模型;（2）视随机效应为缺失数据,并用贝叶斯惩罚样条近似生存子模型中未指定的非参数函数,综合Gibbs抽样与MH算法提出了能够同时求解所考虑的联合模型未知参数和随机效应的MCMC（Markov Chain Monte Carlo）方法,并基于MCMC方法求得未知参数和随机效应的联合Bayes估计;（3）探讨了纵向数据与生存数据非线性再生散度联合模型的模拟研究,并用所考虑的联合模型分析PBC（Primary Biliary Cirrhosis）临床试验数据;（4）研究了本文所考虑的联合模型的Bayes局部影响分析。模拟研究结果表明,基于MCMC算法的Bayes法求解纵向数据与生存数据非线性再生散度联合模型的未知参数和非参数函数是非常有效的,而针对联合模型所提出的Bayes局部影响诊断法能够识别出不恰当的先验设定、纵向过程中有影响的纵向响应点以及生存过程中有影响的事件时间。PBC数据的分析结果表明,联合模型的分析结果与仅用生存模型的分析结果有较大的差异,且用联合模型拟合该数据集可得到较好的效果。