分位数回归在收入不平等研究中的参数解释.docxVIP

分位数回归在收入不平等研究中的参数解释

一、引言

收入不平等是社会经济发展中备受关注的核心议题。从早期的基尼系数测算到近年来对收入分布动态演变的追踪，学者们始终致力于更精准地刻画不平等的表现形式与形成机制。传统计量方法中，普通最小二乘法（OLS）通过估计条件均值效应，为理解收入决定因素提供了重要视角，但无法捕捉收入分布不同位置的异质性特征（KoenkerBassett,1978）。例如，教育对高收入群体的边际贡献可能显著高于低收入群体，这种差异在OLS模型中会被平均化处理，导致对不平等来源的误判。

分位数回归（QuantileRegression,QR）作为一种能够估计条件分位数处解释变量效应的方法，自提出以来便在收入分配研究中展现出独特优势。其核心价值不仅在于突破了均值分析的局限性，更在于通过不同分位数上的参数估计，揭示收入分布各位置上变量作用的差异性，为理解“谁在受益、谁被边缘化”提供了更细致的分析工具（MachadoMata,2005）。本文将围绕分位数回归在收入不平等研究中的参数解释展开，系统探讨其理论逻辑、实证意义及应用要点。

二、分位数回归与传统回归的参数解释差异

（一）分位数回归的基本原理

分位数回归由Koenker与Bassett于1978年正式提出，其核心思想是通过最小化加权绝对误差和，估计给定解释变量下被解释变量的条件分位数。与OLS关注条件均值