在很多研究中经常出现相关性数据。如集群数据,多重抽样,空间数据和重复测量数据都可能包含相关性,那么对于此类数据就需要有相对应的分析方法。在以前的文献中,Geraci和Bottai曾经提出过一种条件分位数回归模型^[1]。该模型是对纵向数据进行研究,在该模型所提的纵向数据中,由于组内影响因素存在相关性,而随机截距项可以解释各个因素之间的相关性,但通常随机截距通常被包含在解释变量中,该模型可以显示出随机截距项。在此,对于数据中的更加复杂的相关结构,本文考虑了这些模型的一种推广,即在线性条件分位数函数中,所建立的模型包含多重随机影响。在建模过程中有很大的计算量,本文同时也提出了估计方法来减少在建模过程中的计算量,相关文献中提出的蒙特卡罗算法在该模型中计算低效。因此,对于算法本文也有所改善。尤其是,确定回归系数的估计和随机影响的协方差矩阵是通过高斯求积近似值和非平滑最优算法的结合来计算。最后,本文对于所建模型提出了一个仿真模拟研究和关于模型的应用。