在生存分析研究中,从观测时刻开始到感兴趣的事件发生所经历的时间,称为失效时间或生存时间。在生存时间的实际问题研究中,常常需要对两个生存时间的相关性进行研究。如果能够获取完整的生存时间样本,可以考虑用Pearson相关系数对两个生存时间变量的线性关系进行分析。但是,由于随访失败、竞争风险存在或研究持续时间有限,对这两个生存时间变量的观测无法得到完整的数据,这就造成了数据的删失。对于二元删失数据的相关性研究,无法利用传统方法进行分析。目前对二元删失数据的相关性,统计学者们进行了一些研究,主要基于经验似然、半参数估计的方法。在使用这些方法的时候,通常需要使用迭代的方法求解估计量的近似解,运算过程复杂,操作难度大。本文提出了一种较为简单易操作的方法。从“无偏转换”的思想出发,构造出了一组二元生存时间变量的Pearson相关系数的估计量。这种方法能同时解决对二元右删失数据、二元区间删失数据的相关性估计问题。“无偏转换”的主旨在于:基于删失数据,构造出一个统计量,使得该统计量和原本的生存时间变量均值相同,对这组“新样本”,利用完整数据的统计方法对从总体均值进行估计。运用“无偏转换”的方法得到的估计量具有很多类似于样本均值的优良统计性质。基于删失数据,本文采用“无偏转换”方法,分别构造了两个生存时间变量的数学期望、方差以及它们乘积的数学期望的估计量。将这些估计量分别代入Pearson相关系数的对应参数位置,就得到了一个相关系数的估计量。由于“无偏转换”构造出的估计量具有相合性和渐近正态性,可以推导出这个删失数据下的Pearson相关系数的估计量具有相合性、渐近正态性等良好的统计性质。通过模拟计算可以看出“无偏转换”下计算出来的Pearson相关系数的结果与完全数据下的Pearson相关系数计算出来的结果很接近,这就验证了本文所用“无偏转换”方法的可行性和有效性。