多元失效时间数据也叫多元生存数据，多元相依生存时间数据。在生存分析的早期研究中，研究工作多针对单变量失效时间数据。从20世纪60年代开始，英国统计学家D.R.考克斯（David Roxbee Cox，1924-7-15～ ）等统计学家开始研究复发事件数据这一类多元生存数据。在20世纪80年代末文献中开始出现多元生存函数的非参数估计。多元失效时间数据成为生存分析研究中的基本概念之一。

多元失效时间数据常见于如下几种情形：①多重生存事件情形。考察的是同一对象的多个不同的生存时间。例如，在器官移植手术研究中，需考察两个生存时间：其一是患者在得到相匹配的可供移植的器官时患者的等待时间，其二是患者从手术后到死亡或首次复发时间。②成组数据情形。对多个有关系的成员分别考察同种类型的生存时间，即对象是由多个成员组成的小组。小组可以是一个家庭、一对孪生兄弟、一双眼睛等。③重复测量情形。某一事件在多个不同的条件下进行测量，分别得到各个条件下的生存时间。如老鼠的记忆和学习能力的实验：将老鼠放进充满非透明液体的池中，池中有一可供逃生的平台，老鼠只要能及时找到该平台即可逃生，若在给定的时间内老鼠没找到平台，则将它撤出实验，由此产生了删失：假设共做了次逃生实验，每只在次实验中得到逃生的老鼠，继续参加第次实验。④复发时间情形。患者某种疾病的多次复发时间，不同患者可以有不同的复发次数。如妇女各次生育时间、膀胱癌复发时间、特定汽车保险险种的理赔要求发生时间、柴油发动机的某一零件更换时间等。表示第个患者第次复发时间，如果每次复发时间的计时起点是相同的，均是发病起始时刻，则，表示第个患者复发的总次数。

多元失效时间数据的失效时间之间的相关性使得多元失效时间数据的分析会变得很复杂。有很多方法分析多元失效时间数据，主要有两类：条件方法（如脆性模型）与边际方法（如边际危险模型）。

在临床实验和流行病学研究中，经常会评估协变量对失效时间的影响，比例风险模型（PHM）是分析失效时间数据时广泛使用的一个模型，此模型最关键的一个假设就是失效时间的危险率函数之间的常数比例关系。加速失效时间模型（AFTM）是另一个在生存分析中常用的模型，在此模型中，协变量的效果是改变生存函数的时间刻度。经常使用的模型还有加速危险率模型和半参数回归模型。

多元失效时间数据广泛存在于生物医学领域，在经济学、社会学及系统可靠性领域中也有重要应用。如生物医学研究中的肿瘤复发时间，左右眼失明的发生时间，受相同致癌物质影响的同幼畜的肿瘤出现时间；可靠性研究中的某种机器的故障多次发生时间；社会学研究中的每个人经历若干不同生活事件的时间；市场营销研究中的每个顾客对各种商品的购买时间等。该类型数据的一个关键特征就是：失效时间之间存在相关性。