在实际数据的研究过程中,传统的线性回归模型只考虑了因变量的测量误差,并没有考虑到自变量的测量误差,而现实中获取的数据一般都存在误差,容易导致参数估计的偏差.线性测量误差模型是自变量存在测量误差的回归模型,修正了由于自变量测量误差的引入所导致的参数估计的偏差,某一程度上比一般的线性回归模型更为实用.　　分位数回归是针对经典的最小二乘估计在实际应用中的不足发展起来的一种稳健估计,在最小二乘估计失效的情况下,分位数回归依然有效.分位数回归对随机误差项的分布不做假设,应用的条件更为宽松,模型的稳健性较强,且是对所有的分位数点进行回归估计,因此对于数据中的异常点具有不敏感性,数据的描述更完整,挖掘的信息更丰富.　　本文将随机加权法推广到线性测量误差模型,结合分位数回归估计方法,提出用于线性测量误差模型的随机加权分位数回归方法.首先,在一定条件下,对线性测量误差模型,用随机加权法得到分位数回归估计量的渐近分布.其次,研究了基于分位数回归估计,线性测量误差模型的检验问题.利用随机加权法构造随机加权检验统计量,并进行线性假设检验.最后通过模拟研究和艾滋病数据验证了随机加权分位数回归方法的有效性.这种方法避免了估计冗余参数,在实际实施中更为方便.