在许多科学领域,如医学、生物学、保险精算学、可靠性工程学、公共卫生学、经济学以及人口统计学等,由于周期性观察等因素,使得区间删失数据大量出现。 针对区间删失数据的特点,本文集中对协变量区间删失情况下回归模型参数估计问题进行研究.目前,相比响应变量呈区间删失的研究方法而言,协变量区间删失情况下回归模型参数估计问题的研究方法并不多,在本文中,总结了协变量区间删失情况下的回归模型参数估计问题的研究方法,例如,2003年Gomez等利用极大似然法,提出的-种两阶段条件算法,但这一方法必须假定误差项有已知的分布类型,如正态分布或指数分布族等.另外,作为一种迭代算法,由于庞大的计算量,在实际应用中很难实现,而计算结果对所选初值的敏感性也是无法克服的困难。 对于上述问题,本文主要受文献[12]思想的启发,分四个阶段来讨论协变量区间删失情况下回归模型的参数估计问题:第一,研究了协变量为区间删失数据时的线性回归模型,基于无偏转换的思想,通过构造区间数据变量的条件均值,得到了回归参数的估计；第二,当协变量的分布已知时,证明了估计的无偏性与相合性；第三,结合Bootstrap方法,将上述类似方法运用到半参数回归模型当中进行参数估计,并可获得待估参数的分布和数字特征；第四,作了若干模拟计算,从模拟的结果不难发现,与Gomez等运用的两阶段条件算法相比,本文方法简单易行,且所获得的估计具有较高的精度。