Consideramos un número fijo de áreas agrupadas identificadas por sus coordenadas geográficas que son monitoreadas para la ocurrencia de un evento como una pandemia, epidemia o migración. Los datos recopilados en todas las áreas incluyen covariables y factores ambientales. Aplicamos una transformación probit al tiempo del evento e incorporamos una función de correlación espacial isótropa en nuestros modelos para un mejor modelado en comparación con metodologías existentes que utilizan fragilidad o cópula. Se emplea la técnica de verosimilitud compuesta para la construcción de un campo aleatorio gaussiano multivariado que preserva la función de correlación espacial. Los datos se analizan utilizando un proceso de conteo y una formulación geoestadística que condujo a una clase de funciones de estimación semiparamétricas ponderadas en pares. Se muestra que los estimadores de los parámetros del modelo son consistentes y asintóticamente distribuidos normalmente bajo estadísticas espaciales asintóticas de tipo relleno. Se proporcionan estudios numéricos detallados de muestras pequeñas que están de acuerdo con los resultados teóricos. Los procedimientos anteriores se aplican a los datos de supervivencia de leucemia en el noreste de Inglaterra. Se observa una mejora en comparación con las metodologías existentes.