分位数回归结果解读：异质性效应的分位数估计.docxVIP

分位数回归结果解读

一、方法概述

分位数回归（QuantileRegression,QR）是由Koenker和Bassett于1978年提出的一种回归分析方法。与传统的普通最小二乘法（OLS）回归仅关注因变量的条件均值不同，分位数回归能够估计自变量对因变量在不同分位点处的条件分位数的影响，从而更全面地揭示变量之间的关系。该方法对异常值具有更强的稳健性，在因变量分布偏态或存在异方差问题时，分位数回归的估计结果往往更为可靠。

分位数回归适用于以下场景：其一，数据中存在异常值或极端观测，OLS回归容易受到干扰而分位数回归基于最小化绝对偏差的加权和，对异常值具有天然的稳健性；其二，因变量的分布不满足正态性假设时，分位数回归无需对分布形态做出严格假定；其三，研究者希望考察自变量对因变量不同位置（如低端、中端、高端）的差异化影响，而非仅关注平均效应。本研究借助SPSSAU软件进行分位数回归分析，以0.25、0.50和0.75三个分位点为估计目标，系统考察自变量x1至x5对因变量Y的影响情况。

在SPSSAU【计量经济研究】模块选择【分位数回归】，将变量拖拽至右侧对应分析框，操作如下图：

二、样本缺失情况

本次分析共纳入320个有效样本，无缺失数据被排除，所有样本均完整进入模型分析。具体样本缺失情况如表1所示。

由表1可知，本次分析的有效样本量为320例，排除无效样本为0例，占比为100.0