《删失数据的加权复合分位数回归推断》主要研究不完全数据的分析技术。团队在随机缺失的数据下，构造了一类基于经验似然的推断函数。不仅能克服了响应变量或部分协变量缺失的影响，得到复合分位数回归模型中未知参数的相合估计。而且通过结合估计方程，可以提高估计效率。将此类推断函数应用纵向数据，得到了高效的回归参数估计及其推断。作为本项目的拓展性研究，在纵向数据机制下，我们提出了基于经验似然的加权分位数回归估计，此方法能有效地吸收个体内的相关信息，提高估计的效率。在删失数据情形下，我们在部分协变量数据缺失的加速失效时间模型中，提出了参数的逆概率加权估计和基于经验似然的加权估计，并证明了这两种估计的大样本性质。对于本项目的研究，我们较好地完成了研究计划，取得了一定的研究成果。研究过程中，发表了2 篇SCI 检索论文，1 篇CSSCI 检索论文，8 篇省级及核心期刊论文。