分位数回归方法从1978年提出后，无论从理论还是应用方面都得到了很大的发展。它不仅能够拓展模型使用的范围，而且还能够度量出回归变量对分布的影响，以及分布的尾部特征，较之经典的最小二乘法更具有优势。随着分位数回归理论和算法的不断发展，分位数应用的领域更加广泛。
分位数回归分析解决实际问题的研究背景
传统的线性模型具有悠久的历史，其中经典的最小二乘回归应用最为广泛，它描述了因变量的条件均值分布受自变量x的影响过程。最小二乘法是估计回归系数的最基本的方法。如果模型的随机误差项来自均值为零，且方差相同的分布，那么回归系数的最小二乘估计为最佳线性无偏估计，如果随机误差项是正态的，那么回归系数的最小二乘估计，与极大似然估计一致，均为最小方差无偏估计。此时它具有无偏性、有效性等优良性质。
但是，在实际的经济生活中，这种假设常常得不到满足。例如当数据中存在严重的异方差，或者存在厚尾、尖峰等情况时，最小二乘法的估计将不再具有上述的优良性质，而且稳健性极其糟糕。特别的，对于大量数据而言，应用最小二乘回归只能得到一条回归线，而一条回归线所能反应的信息量是有限的。因此，人们在使用经典的线性回归的同时，也一直在不断的探索更新更好的回归方法。
为了弥补普通最小二乘法在回归分析中的缺陷，Koenkel和Pxassett于19
Original: https://blog.csdn.net/weixin_35197116/article/details/112740707
Author: 独家马仔
Title: 不重复3位数_分位数回归及stata命令
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/634563/
转载文章受原作者版权保护。转载请注明原作者出处！