分位数回归在异质性影响分析中的应用场景拓展.docxVIP

分位数回归在异质性影响分析中的应用场景拓展

一、引言

经济社会运行中的各类现象，普遍存在着“影响非均质”的特征——同一个政策、同一个因素，作用于不同的个体、群体或区域时，产生的效果往往存在显著差异。小到教育投入对不同收入家庭子女的学业提升作用，大到宏观调控政策对不同发展水平地区的经济拉动效果，异质性是理解现实世界复杂性的核心切口，也是制定精准有效公共政策的重要依据。长期以来，传统计量分析多以均值回归为核心工具，聚焦解释变量对被解释变量条件均值的影响，这种“平均化”的分析视角，很容易掩盖分布两端群体的差异化特征，甚至得出与现实相悖的结论。正如诺贝尔经济学奖得主赫克曼所指出的，对异质性的忽视，是很多社会科学研究结论缺乏现实解释力的重要原因（赫克曼，2001）。

为了更精准地捕捉异质性影响，学界先后探索过分组回归、交互项回归等多种方法，但这些方法都存在明显局限：分组回归需要预先根据观测特征划分群体，分组标准带有较强主观性，且细分群体后容易出现样本量不足的问题；交互项回归只能识别单个可观测特征带来的异质性，难以捕捉多维度、不可观测的异质性。直到分位数回归方法的提出，才为异质性分析提供了更具弹性的工具框架。分位数回归最早由统计学家科恩克和巴塞特提出，最初用于解决传统均值回归无法处理的分布异质性问题，其核心是通过估计被解释变量条件分布的不同分位点，捕捉解释变量在整个分布上的边际影响差异（科恩克