1 分位数回归模型的应用
1.1 数据
这里以2018年我国30个地区的截面数据为例，采用分位数回归方法来研究地区GDP的影响因素。
1.2 录入数据
打开数据编辑窗口，将数据从Excel中复制到Stata，注意粘贴时选择“将第一行作为变量名”
1.3 分位数回归
50%分位数回归：
qreg pgdp open pfdi,q(0.5)
在估计结果中，open和pfdi变量的系数均显著为正数，表明open和pfdi增加有助于促进pgdp提高。
25%分位数回归：
qreg pgdp open pfdi,q(0.25)
在估计结果中，open和pfdi变量的系数均同样显著为正数。
安装变量系数随分位数变动的走势图命令：grqreg
ssc install grqreg
绘制变量系数随分位数变动的走势图：
qreg pgdp open pfdi
grqreg, cons ci ols olsci
绘制变量系数随分位数变动的走势图前，首先需要用qreg命令进行估计！
结果图中分别列出了截距项、open和pfdi三个变量系数随分位数变动的走势，可以看出，open变量的系数随着分位数变化呈现U型走势，说明系数不太稳定! 另外，pfdi变量的系数也不太稳定！
同时估计多个分位数回归（25%、50%、75%）：
sqreg pgdp open pfdi, q(0.25 0.5 0.75)
在估计结果中可以看出，同时估计多个分位数回归时，模型的标准误差采用的是bootstrap方法，所以50%分位数、25%分位数的估计值与采用qreg命令的结果相同，但是变量的显著性却与qreg命令的结果不同。
在sqreg命令后，检验多个分位数回归的系数是否相等：
test [q25=q50=q75]:open
这里仅展示open变量在25%、50%和75%三个分位数上的估计值是否相等，fpdi变量的检验与之类似。
检验结果中，P值为0.7010，因而接受原假设，open变量在在25%、50%和75%三个分位数上的估计值相等。
在sqreg命令后，绘制变量系数随分位数变动的走势图：
grqreg, cons ci ols olsci
由于sqreg命令中选择的分位数为25%、50%和75%，所以图中变量分位数的取值范围是25%-75%。
且与qreg命令后绘制的图形相比，这里的图图形中变量系数变化幅度更小。