Regression model
分位数回归
分位数回归模型估计的是结果变量的条件分位数——例如中位数、第25或第75百分位数等——而不是普通最小二乘法（OLS）所关注的条件期望。该方法由Koenker和Bassett于1978年提出，它揭示了预测变量在整个分布（包括其尾部）中的作用方式。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
+51 more
来源
- Koenker, R. & Bassett, G., Jr. (1978). Regression Quantiles. Econometrica, 46(1), 33-50. DOI: 10.2307/1913643 ↗
- Koenker, R. (2005). Quantile Regression. Cambridge University Press. DOI: 10.1017/CBO9780511754098 ↗
如何引用本页
ScholarGate. (2026, June 1). Quantile Regression. ScholarGate. https://scholargate.app/zh/econometrics/quantile-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Lasso 回归机器学习↔ compare
- 普通最小二乘法 (OLS) 回归计量经济学↔ compare
- 面板数据固定效应模型计量经济学↔ compare
- 泊松回归与负二项回归计量经济学↔ compare
- 岭回归（Ridge Regression）机器学习↔ compare
被引用于
两阶段最小二乘法 (2SLS / IV) 回归ARFIMA：分数阶积分自回归滑动平均模型贝叶斯分位数回归贝叶斯分位数-分位数回归贝叶斯稳健回归Beta回归块自举（移动块和固定块）断点分析条件在险价值（预期缺口）Conformal Prediction for Time-Series Forecasting弹性网络回归傅里叶分位数-分位数回归广义可加模型位置、尺度和形状（GAMLSS）GARCH 模型（波动率预测）Heckman样本选择模型（Heckit / Tobit II型）异质性处理效应模糊回归不连续设计异质性处理效应回归断点设计（HTE-RDD）异方差稳健 (HC) 标准误Huber回归影响诊断 (库克距离, DFFITS, 杠杆率)核密度估计与分布检验 (KDE)最小中位数平方（LMS）回归最小裁剪平方和（LTS）回归M估计量（稳健回归）中位数绝对离差 (MAD) 估计非线性自回归分布式滞后（NARDL）模型非线性自回归分布式滞后 (NARDL) 模型普通最小二乘法 (OLS) 回归有序逻辑回归泊松回归与负二项回归Probit 回归模型分位数-分位数（QQ）回归RANSAC回归稳健ARCH模型稳健 ARIMA 模型稳健相关（Spearman、Kendall和双权重）稳健GARCH模型稳健线性回归稳健逻辑回归稳健多元线性回归稳健非线性自回归分布式滞后 (Robust NARDL) 模型稳健OLS（具有稳健标准误的OLS）稳健分位数回归鲁棒分位数-分位数 (RQQR) 回归稳健回归稳健简单线性回归稳健加权最小二乘法 (Robust WLS)S估计量稳健回归Sn和Qn稳健尺度估计量空间回归（空间滞后和空间误差模型）光滑转换自回归 (STAR) 模型随机前沿分析 (SFA)结构断裂分位数-分位数回归尾部风险度量（预期短缺、谱系、期望分位数）Theil-Sen 估计器阈值回归时变参数分位数-分位数 (TVP-QQ) 回归Tobit删失回归模型