截尾分位数回归(Censored Regression Quantiles CRQ)是中位数回归的进一步扩展，建立的是某个截尾分布的条件分位数与一组协变量之间的线性关系。它有别于传统的线性模型，不再是对反应变量分布的条件均数建模，而是对它的条件分位数来建模。该方法对错误地指定误差项分布和未知的异方差具有稳健性。在生存分析领域，我们通常对生存时间本身感兴趣，因失访等原因很多时候生存时间是个截尾分布。由于人类疾病的复杂性，有时很难确定生存时间的分布形式，虽然比例风险模型可以不指定危险率的基准分布，但还是会有许多资料不满足比例风险假定。CRQ不需指定误差项的分布形式，应用条件相对宽松，所以它应用更加广泛。此外，与中位数函数相比，过高或过低的分位数函数可能与自变量的依存关系不同。因此，CRQ模型在生存分析中有非常重要的应用价值。本课题探讨了在右截尾情形下分位数回归模型的统计学建模、参数估计方法以及假设检验。 本文介绍了一种适用于分位数回归过程中的递归再加权估计量，我们可以把它看作是K-M估计量的直接推广。回归参数估计值可以通过线性规划单纯形法估计得到。由于对回归参数进行有效推断需得到参数估计量的渐近方差-协方差矩阵，但CRQ估计量的渐近方差-协方差矩阵包括未知分布误差项的密度函数，所以其渐近方差-协方差矩阵很难估计。文中使用了bootstrap法对估计量进行假设检验。模拟和实例分析表明截尾分位数回归可以作为Cox比例风险回归的替代方法。 本课题模拟分析及实例分析使用R软件作为运算分析平台。