在医学，生物学，经济学等研究过程中，研究的个体有时会重复地经历某一事件或者多次的失效，这种事件称为复发事件.复发事件是广泛存在的，然而复发事件数据的结构往往是很复杂的.因为这些事件之间常常存在一定的相依性和有序性.越来越多的学者正致力于解决这方面的问题，并且获得了许多有意义的结果.　　 复发事件数据根据研究对象的种类一般可以分为两种类型.当只对一种可反复发生的事件感兴趣时，这时得到的数据称为单类型复发事件数据.然而，有时研究的个体可能会同时经历多种不同类型的复发事件且类别之间存在相关性，这时我们必须同时研究各类事件，这样得到的数据称为多类型复发事件数据.　　 对于复发事件，我们常常感兴趣的是研究协变量对复发事件的影响程度.历史上，许多学者提出了各种不同的回归模型来研究协变量对单类型复发事件的影响.本文主要讨论的是多类型复发事件在间隔时间数据下的三种危险率回归模型.首先介绍复发事件的一些背景，综述了单类型复发事件在间隔时间数据下的比例危险率模型，可加危险率模型以及可乘可加危险率模型；接着我们提出多类型复发事件的比例危险率模型，同时给出模型中参数以及非参数函数的估计方法，建立这些估计的渐近性质并且进行模拟研究；其次我们提出多类型复发事件的可加危险率模型，给出了模型中参数以及非参数函数的估计方法，研究了这些估计的渐近性质；再次我们提出多类型复发事件的可乘可加危险率模型，给出了模型中参数以及非参数函数的估计方法，讨论了这些估计的渐近性质.