Koenker和Basset（1978）提出的分位数回归（Quantile Regression,QR）方法由于自身存在的某些优异性质,在统计研究中得到了广泛应用。与传统均值回归相比而言,分位数回归具有强稳健性,因为它不需要对误差的分布进行特定的假设,因此常将分位数回归方法应用于处理离群、异常分布等偏差数据。虽然完全数据下分位数回归的研究不论是在理论方面还是应用方面都有大量文献,但是在很多实际应用领域的统计数据中都时常存在着一些复杂数据,比如不完全数据,即会出现一些截断、删失以及丢失的情况,分位数回归方法在处理这些不完全的数据时也能表现出优异的性质。其中,左截断数据作为不完全数据中的重要代表之一,常出现在天文学、流行病学、生物医学以及金融学等领域。本文考虑相依左截断数据的条件分位数的估计。根据目前现有的研究来看,具有多元协变量的相依左截断数据的局部线性条件分位数估计的渐近性质尚未被讨论。因此本文将在左截断数据具有多元协变量的设定下,建立上述数据的多元条件分位函数的一个非参数估量,该估计量是一个核加权局部线性估计量,并利用Bernstein大小分块、矩不等式等方法扩展得到了α混合相依假设下该估计量的Bahadur型表示,以研究该估计量的收敛性和渐近正态性,最后通过Mento-Carlo模拟,在不同条件下研究了该估计量在样本量有限的情况下的表现情况,模拟结果表明本文所提出的估计量性质良好。