分位数回归：一种回归分析方法，用来估计自变量对因变量不同分位点（如中位数、上四分位数等）的影响，而不只关注均值（普通最小二乘回归常做的事）。它常用于处理异方差、非正态误差或想研究“低端/高端”人群（或结果）的情况。
/ˈkwɒn.taɪl rɪˈɡrɛʃ.ən/
Quantile regression helps us see how the policy affects low-income households.
分位数回归能帮助我们看出政策如何影响低收入家庭。
Unlike OLS, quantile regression can estimate the effect of education across different points of the wage distribution, revealing stronger returns at the top.
不同于普通最小二乘回归，分位数回归可以在工资分布的不同位置估计教育的影响，从而揭示在高工资端回报可能更强。
quantile（分位数）来自拉丁语 quantus（“多少”）的词根，表示“按数量划分的位置”；regression（回归）源自拉丁语 regredi（“返回、回到”），在统计学中引申为“用变量关系来估计/预测”。合起来，quantile regression字面意思就是“对分位点做回归”，即建模条件分布的某个分位数随自变量如何变化。
Select Language