近年来,随着科学技术的迅速发展,我们发现在越来越多的学科当中,测量误差数据开始频繁出现,如在医疗健康,金融经济,工程测量等等诸多方面的应用研究中。一般情况下存在两种测量误差数据模型:一种是有可加形式的测量误差数据模型,这种模型也包括了传统的测量误差模型;另一种是有相乘结构的测量误差数据模型,我们称作扭曲测量误差模型。在本文中,我们主要研究的是扭曲测量误差模型。这种测量误差数据有以下特征:第一,我们所感兴趣的主要变量无法观测或测量得到;第二,这些主要变量(模型中的响应变量和协变量)被一些常见的可被观测到的混杂变量的某种形式的函数所扭曲,而函数形式通常又是未知的。因此,对这类的扭曲测量误差数据建立一个分位数回归模型是本文的主要研究工作。对于扭曲测量误差数据建模,已有很多研究给出相当有价值的建议,本文在这些基础上尝试用一种新的方法—分位数回归估计,来对这类数据建模,以期达到更好的效果。在对那些含有误差的变量标准化处理后,本文研究了分位数回归估计方法来给这些变量建模。随后,我们研究了估计量的渐近性质,并且与最小二乘回归估计比较了相对渐近效率。最后,本文通过模拟来验证所提出方法的估计效果,并用所提出的方法与程序分析一组实际数据集。