第四章 分位数回归模型 1 分位数回归(Quantile Regression)最早由科恩克和巴塞特 (Koenker 和Bassett, 1978)于1978年提出 ,它提供了回归变量 X 和因变量Y 的分位数之间线性关系的估计方法。绝大多数的回归模型都关注因变量的条件均值,但是人们对于因变量条件分布的其他方面的模拟方法也越来越有兴趣,尤其是能够更加全面地描述因变量的条件分布的分位数回归。 利用分位数回归解决经济学问题的文献越来越多,尤其是在劳动经济学中取得了广泛应用。如在教育回报和劳动市场歧视等方面都出现了很好的研究成果。在经济学中的应用研究还包括诸如财富分配不均问题、失业持续时间问题、食品支出的恩格尔曲线问题、酒精需求问题和日间用电需求问题等。在金融学领域也涌现出大量使用分位数回归的应用研究成果,主要应用领域包括风险价值(Value at Risk, VaR)研究和刻画共同基金投资类型的指数模型。 2 相对于最小二乘估计,分位数回归模型具有四个方面的优势: (1)分位数模型特别适合具有异方差性的模型。 (2)对条件分布的刻画更加的细致,能给出条件分布的大体特征。每个分位点上的回归