两类半参数统计模型中的估计方法的中期报告半参数统计模型是一类在研究物理、生物、社会、经济等领域中经常遇到的模型。其中，包括两类半参数统计模型：Cox模型和加速失效时间模型（AFT模型）。Cox模型的估计方法包括最大偏似估计（MLE）和部分似然估计（PL）。最大偏似估计是利用偏导数为零的原理，求解似然函数的最大值，从而得到模型参数的估计值。部分似然估计将似然函数分解成样本存活函数和风险边际函数的积，仅对风险边际函数进行估计，而不考虑其概率密度函数。这种方法能够降低计算复杂度和提高估计精度。AFT模型的估计方法包括MLE、PL和极大似然估计（MML）。MLE和PL的原理与Cox模型相似，但AFT模型因涉及到时间变量的概率密度函数，估计更为困难。MML将概率密度函数分为两部分，一部分由模型参数决定，另一部分由数据样本直接确定，从而简化了估计过程。从目前的研究中看，Cox模型的估计方法更为成熟，但AFT模型的估计方法也在逐步完善。未来的研究中，需要探索更为高效精确的估计方法，以便更好地适应现实世界中复杂的数据分析需求。