经济学考研专业课-《计量经济学（第六版）》精讲课件（第九章分位数回归与Bootstrap技术初步）.pptxVIP

;其目的是获得残差平方和最小，为了获得最小残差平方，其给予一些极端值赋予了较大权重，从而容易受到极端值的影响；而分位数回归（QR）可以避免这一问题;无条件分位数假设：;线性分位数假设:;;从上述假设，可以获得一个矩条件，经改写为：;例9-1以happydata为例

这里我们仅使用2009年的横截面数据——happy，age，agesq，educ，unempl，married，lninc

在Stata中，当我们使用qreg命令时，默认的分位数为0.5。

使用命令：qreghappyageagesqeduclnincunemplmarriedifyear==2009,quantile(50)（这里我们限制时间为2009年），

估计结果如下：;请你做OLS估计与这一中位数估计对比，你将发现该结果和OLS结果相近，为什么？

中位数与均值常常接近;但经验和直觉告诉我们：

模型中的解释变量对处于幸福感高的人群和幸福感低的人群的影响有较大差异

因此，OLS和中位数估计难以给出令人满意的结果

我们下面使用qreg命令中通过选择高分位数和低分位数的估计来给出出于分位数个体的参数估计，

下面我们特别选取低分位数人群（0.1，0.2，0.3

）和高分位数人群（0.7，0.8，0.9）

所获得的分位数估计结果如下：;happy;happy;happy;对比上述不