项目团队采用Bayes与经验似然理论开发的复杂删失生存数据的联合分析方法，可被广泛应用工业工程、生物工程、人口管理、经济金融以及临床医学等重要基础科学领域。复杂删失生存数据的联合分析方法融合了包括相依数据脆弱变量联合分析，含有潜在风险变量分析，多元复杂删失数据推断方法，不完整数据的变量筛选，分位数模型推断，非线性结构数据风险建模分析等方法。基于脆弱描述复杂数据之间的相依结构，并借助于因子分析模型刻画潜在变量，利用Bayes理论以及惩罚函数理论完成有效推断，从而提高实际数据的利用效率。项目开展的方法与现有方法的比较如下：（1）提出了带潜变量数据下的复杂删失数据包括区间删失数据的联合建模分析和在贝叶斯框架下的统计推断方法；（2）提出带潜变量的区间删失数据的贝叶斯自适应LASSO 变量选择建模方法；（3）提出了区间删失数据下带潜变量的贝叶斯分位数回归分析；（4）提出了带潜变量的复杂删失数据下贝叶斯经验似然的统计推断。同时提高了复杂数据的利用效率，增强了数据的解释能力。