工具变量分位数回归（IVQR）的应用.docxVIP

工具变量分位数回归（IVQR）的应用

一、引言

在因果推断与异质性分析的研究领域中，传统计量方法常面临双重挑战：一方面，内生性问题（如遗漏变量、测量误差或双向因果）可能导致估计结果有偏；另一方面，均值回归仅能刻画变量间的平均关系，无法捕捉不同分位点上的异质性效应。工具变量分位数回归（InstrumentalVariableQuantileRegression，简称IVQR）作为一种创新方法，通过将工具变量技术与分位数回归框架相结合，既解决了内生性干扰，又能揭示变量在不同分布位置上的差异化影响，为复杂现实问题的分析提供了更精准的工具。自其理论框架被提出以来，IVQR已在经济学、社会学、公共卫生等多个学科中展现出独特价值，成为当代计量经济学方法发展的重要方向（ChernozhukovHansen，2005）。

二、IVQR的理论逻辑与核心优势

（一）从分位数回归到IVQR的演进

分位数回归（QuantileRegression，QR）由Koenker与Bassett于1978年提出，其核心思想是通过最小化绝对离差的加权和，估计因变量在不同分位点（如10%、50%、90%分位）上的条件分位数函数，从而全面刻画解释变量对因变量分布的影响（KoenkerBassett，1978）。相较于普通最小二乘法（OLS）仅关注均值的局限性，分位数回归能揭示“高收入群体与低收入群体对政策