分位数回归的稳健性检验.pdf

分分位位数数回回归归的的稳稳健健性性检检验验方方法法与与实实施施策策略略

一一、、分分位位数数回回归归的的稳稳健健性性内内涵涵

分位数回归作为传统最小二乘回归（OLS的重要扩展，其核心优势在于对条件分布不同位置参数的估计能力。这种方法的稳

健性主要体现在三个方面：首先，它对异常值的敏感性显著低于均值回归，因其目标函数使用绝对值损失而非平方损失；其

次，在处理异方差数据时，分位数回归系数具有更好的稳定性；最后，在误差项非正态分布的情况下，分位数估计量仍然保持

一致性。然而，这些理论优势需要经过系统的稳健性检验才能确保实证结果的可靠性。

二二、、模模型型设设定定敏敏感感性性分分析析

2.1分分位位点点选选择择检检验验

分位数回归结果对特定分位点的选择具有敏感性。稳健性检验需包含以下步骤：1.相邻分位点对比：在目标分位点τ的±0.05

范围内选择多个分位点（如τ=0.25时检验0.2-0.3区间2.系数符号稳定性：观察关键解释变量的系数方向是否保持稳定3.显

著性水平持续性：检验重要变量的统计显著性是否跨越相邻分位点4.经济意义一致性：分析系数大小的相对比例是否符合理

论预期

2.2带带宽宽参参数数敏敏感感性性

对于需要平滑处理的分位数回归变体（如核加权方法，需验证带宽参数选择的影响：采用Silverman经验法则确定初始带宽

实施交叉验证选择最优带宽比较不同带宽下系数估计的标准差变化检验置信区间覆盖率的稳定性

三三、、分分布布假假设设验验证证

3.1误误差差项项分分布布检检验验

虽然分位数回归不要求正态分布假设，但仍需验证模型残差的分布特征：1.绘制分位数-分位数图（Q-Qplot比较经验分位

数与理论分位数2.执行Kolmogorov-Smirnov检验验证分布假设3.分析残差自相关情况，特别是时间序列数据4.检查条件分

位数曲线的平行性假设

3.2异异方方差差诊诊断断

通过以下方法检测异方差对估计结果的影响：分位数秩检验（QuantileRanTest条件分位数波动性分析分组残差方差比较

非参数异方差检验（如Koener-Bassett检验

四四、、样样本本稳稳定定性性检检验验

4.1子子样样本本分分析析

将原始样本随机分割为多个子样本（通常建议3-5个子样本，在每个子样本中重新估计模型，重点关注：核心变量系数估计

值的波动范围标准误的相对变化率模型拟合优度指标的稳定性极端分位点估计的敏感性

4.2自自助助法法（（Bootstrap验验证证

采用重复抽样技术评估估计稳定性：1.选择适合分位数回归的Bootstrap变体（推荐使用XY配对法2.计算偏差修正的百分

位置信区间3.分析Bootstrap分布的非对称性4.检验估计量的蒙特卡洛标准误

五五、、模模型型比比较较方方法法

5.1与与均均值值回回归归的的对对比比

通过系统比较揭示分位数回归的优势：在存在异方差时比较系数估计差异分析异常值对两种方法的不同影响比较预测区间的

覆盖效果评估不同分布假设下的模型表现

5.2非非参参数数方方法法参参照照

建立非参数回归模型作为基准参照：1.局部多项式回归2.核回归估计3.样条平滑方法4.比较参数与非参数估计的收敛性

六六、、极极端端分分位位点点诊诊断断

对于τ接近0或1的极端分位数估计，需要特殊检验：1.样本充分性检验（有效样本量准则2.稀疏数据诊断（检查零膨胀现

象3.重尾分布影响分析4.外推有效性评估

七七、、模模型型误误设设检检验验

7.1函函数数形形式式检检验验

验证条件分位数函数的线性假设：1.添加非线性项（如平方项、交互项的显著性检验2.残差平滑检验（RESET检验的改进

版3.结构变化检验（Chow-type检验4.非参数成分检验

7.2变变量量遗遗漏漏诊诊断断

采用双重稳健估计方法：1.控制函数法2.倾向得分加权3.工具变量分位数回归4.半参数估计比较

八八、、计计算算稳稳定定性性验验证证

8.1算算法法收收敛敛性性分分析析

1.检查线性规划算法的迭代次数

2.分析目标函数值收敛路径

3.比较不同优化算法的结果一致性

4.验证初始值敏感性

8.2数数值值精精度度检检验验

1.调整收敛标准（从1e-6到1e-8

2.比较单双精度计算的差异

3.检验条件数的稳