用R语言的quantreg包进行分位数回归

什么是分位数回归

分位数回归(Quantile Regression)是计量经济学的研究前沿方向之一，它利用解释变量的多个分位数（例如四分位、十分位、百分位等）来得到被解释变量的条件分布的相应的分位数方程。

与传统的OLS只得到均值方程相比，分位数回归可以更详细地描述变量的统计分布。它是给定回归变量X，估计响应变量Y条件分位数的一个基本方法；它不仅可以度量回归变量在分布中心的影响,而且还可以度量在分布上尾和下尾的影响，因此较之经典的最小二乘回归具有独特的优势。众所周知，经典的最小二乘回归是针对因变量的均值（期望）的：模型反映了因变量的均值怎样受自变量的影响，

y=βX+ϵy=βX+ϵ，E(y)=βXE(y)=βX

分位数回归的核心思想就是从均值推广到分位数。最小二乘回归的目标是最小化误差平方和，分位数回归也是最小化一个新的目标函数：

minξ∈R∑ρτ(yi