自己做实证研究这些年，有一类问题几乎每次都会被审稿人追问：“你只报告了均值回归，难道不同人群里自变量的影响没有差异吗？”刚开始我不太当回事，直到自己用OLS跑教育回报率，得到一个“平均效应约为8%”的漂亮结果，后来被人提醒“高收入人群和低收入人群的教育回报可能差出一倍”，才意识到均值回归有时候真的会骗人。也是从那时候开始，我认真学起了分位数回归，并且把主力工具从顺手就用的回归命令换成了Stata里的一套组合拳。
这篇文章就聊聊分位数回归到底在做什么，以及我平时在Stata里具体怎么操作、怎么读结果、怎么画图、遇到问题怎么排查。内容基本按照我自己从入门到熟练的实际路径来写，适合正在做实证分析、被“异质性分析”困扰的同学，也适合刚接触Stata、想在论文里引入更丰富结论的科研新手。你会看到完整的命令、输出解读和踩坑记录，照着做基本就能跑通。
1. 为什么你需要分位数回归：从“平均视角”到“全貌视角”
1.1 均值回归的真正盲区
普通最小二乘法（OLS）估计的是自变量对因变量条件均值的影响。这句话说起来很简单，但很多人没有意识到“均值”这两个字有多大的掩盖作用。假设教育年限对收入的影响在低收入群体里是3%，在高收入群体里是15%，OLS给出来的可能就是一个中间值，比如8.5%，你会觉得“教育对所有人都挺重要”，但实际上它对刚起步的年轻人可能没那么重要，而对已经爬到管理层的资深人士来说，决定意义却大得多。
OLS也不是完全看不到这种差异，最常用的替代方案是分组回归，比如按收入中位数把样本砍成两组分别跑。但这里有个问题：分组界限是你主观定的，按30%分和按50%分结果可能不一样；而且两组内部的个体差异依然存在，等于用一次粗切把连续的变化硬掰成了离散的两块。另一个常见思路是在模型里加交互项，比如education × high_income_group，但交互项只能处理你明确写出来的那一个分组变量，现实中影响机制的异质性往往不是单靠一两个虚拟变量能刻画的。
分位数回归补上的正是这块拼图。它不要求你做任何分组切分，而是直接在因变量的不同分位点（10%、25%、50%、75%、90%）上分别估计自变量的影响。这意味着你不需要事先定义“穷人”和“富人”，数据会把人口从低到高排好队，你只需要回答“在第10个百分位的人，教育回报是多少；在第90个百分位的人，教育回报又是多少”。每一个分位点的回归都用了全样本，所以估计效率比切子样本高得多，结果也更稳定。
1.2 分位数回归能回答什么问题
简单说，分位数回归回答的是“自变量的影响在整个结果分布中是否均匀”这个问题。如果一份政策评估报告只汇报“平均处理效应为X元”，而政策对象当中最需要帮助的那批人恰好处于分布的底层，那这个X可能完全无法反映政策对他们的真实效果。分位数回归让你看到的是从低分位到高分位一整条影响曲线，而不是一个孤零零的点。
我自己的经验里，这种“全貌视角”在几类场景下特别有价值。一是劳动经济学里的收入决定因素研究，收入分布通常右偏，高收入段和低收入段的行为模式差异很大；二是健康经济学里的医疗费用分析，大部分人的医疗支出很低，少数人账单高得离谱，均值回归会被极端值拖着走；三是教育经济学里的学业表现研究，老师、班级规模等因素对尖子生和及格线附近学生的影响机制完全不同。这些场景的共同特点是：因变量分布不均匀，且关心的人群本来就不该被“平均化”。
1.3 分位数回归跟分组回归怎么取舍
有人会问，既然分位数回归这么好，分组回归是不是就该淘汰了？也不是。分组回归的优势在于结果直观，报告起来简单，而且当分组变量本身就有经济学含义的时候（比如性别、地区、城乡），分组天然有意义。分位数回归适合回答“连续分布上的不同位置”，分组回归适合回答“离散类别之间的差异”，两者完全可以互补。
实操中我经常这样组合使用：先做全样本OLS拿到基准结果，再做分位数回归看系数的连续变化轨迹，最后挑选一两个有制度含义的分组变量做交互或子样本回归，用分组结果给分位数回归的发现做交叉验证。审稿人看到这种思路，基本不会再说你只看平均值了。
2. 分位数回归的核心原理与参数解读
2.1 Check Function：分位数回归在优化什么
要说清楚分位数回归的原理，绕不开它的损失函数。OLS想找一组系数，让残差平方和最小，这个目标函数对极端值非常敏感，一个异常值就能把整条回归线拉偏。分位数回归换了一个思路：它想找一组系数，让“加权绝对残差”最小，权重由你选取的分位点τ决定。
具体来说，对于分位点τ（比如0.5），损失函数是： ρ_τ(u) = u × (τ - I(u < 0)) 其中u是残差，I是指示函数。当残差为正（实际值高于预测值），损失是 τ×u；当残差为负，损失是 (τ-1)×u。你让这个加权绝对值之和最小化，得到的系数β(τ)就是“第τ分位点的条件分位数回归系数”。
这里的关键直觉是：不同τ给正负残差分配了不同的相对权重。当τ=0.9时，模型更“在意”那些实际值很高、残差为正的样本点，所以系数会更贴近高收入人群的规律；当τ=0.1时，模型更关注低分位样本。这不是玄学，而是数学上让回归线去“贴合”不同部位的数据分布。理解了这个，后面看任何分位数回归结果都会顺很多。
2.2 系数到底怎么读：一个例子说清楚
我用一个经典例子来解释。假设你在研究教育年限（edu）对收入（income）的影响，跑出如下结果：
- OLS：edu系数0.08，意为平均而言教育每多一年，收入提高8%
- τ=0.10：edu系数0.03，意为收入第10百分位的人群里，教育每多一年，收入提高3%
- τ=0.90：edu系数0.15，意为收入第90百分位的人群里，教育每多一年，收入提高15%
这三个数字放在一起，结论就非常生动：教育回报在低收入人群里并不高，但在高收入人群里非常显著。如果你只报OLS的0.08，等于把一个“两极分化”的故事讲成了一个乏味的平均故事。
需要注意一个细节：分位数回归的系数解释是“条件分位数”意义上的。也就是说，τ=0.90系数0.15，应该理解为“在控制其他变量后，预测收入分布第90分位点上，教育的影响是15%”，而不是“收入最高的那10%的人，他们的教育回报是15%”。前者的表述更严谨，后者在口语里说说可以，写论文还是尽量按条件分位数的口径来。
2.3 分位点的选择不是越密越好
很多初学者一上来就报5个甚至9个分位点，结果表格密密麻麻，审稿人看着也累。我的建议是，先根据研究问题确定核心关注的分布位置，一般选τ=0.10、0.25、0.50、0.75、0.90五个点就足够讲清楚故事了。如果你特别关心“底层人群”或“高分人群”，可以在对应区间加密，比如1%、5%这类极端分位。
另外，极端分位点（比如0.01、0.99）的估计通常不太稳定，因为那里的有效样本数量天然就少，标准误会显著变大。如果你非要报，请使用bootstrap标准误，并且对结果保持谨慎态度。我见过有人把τ=0.99的系数跑出来特别大，激动得不行，结果换一个随机种子，标准误区间能吞掉整个效应，这种结果拿出去很容易被质疑。
3. Stata实操：从准备环境到跑通第一个模型
3.1 开始之前：确认你的Stata环境和外部命令
分位数回归的基础功能不需要额外安装，qreg、bsqreg、sqreg这些命令都是Stata自带的。但后面要做可视化（grqreg）、面板数据分位数回归（xtqreg），就需要从外部安装。所以第一步建议确认一下网络和ado路径是否正常。
我自己最常用的安装命令是：
ssc install grqreg ssc install xtqreg ssc install qreg2如果你用的是Stata 14以上版本，通常ssc仓库都能正常访问。装完之后输入：
which grqreg能显示路径就说明装好了。遇到“command ... not found”的错误，先别慌，去查这个命令对应的ssc包名，经常会有人把“grqreg”和“grqreg”的拼写搞混，或者把帮助文件下载下来但没真正安装二进制文件，这些坑我都踩过。
还有一个容易被忽略的小事：Stata的版本会影响部分命令的语法。比如xtqreg早期版本只支持xtset后的面板数据，新版本做了不少改动。建议装完命令后用help xtqreg看一眼版本说明和示例，跑一遍自带示例再分析自己的数据，能节省大量排查时间。
3.2 数据探索：用summarize看分布，别急着回归
拿到数据后，第0步永远是看分布。你总得知道你的因变量到底在哪些区间集中、有没有极端异常值。Stata里最基础也最实用的命令：
summarize price weight mpg, detaildetail选项会输出最小值（min）、最大值（max）、几个分位点（1%、5%、10%、25%、50%、75%、90%、95%、99%）以及偏度峰度。这一步能帮你在跑模型前就形成直觉：哪些变量适合看低分位、哪些高分位更有故事。比如汽车价格，分布肯定右偏，你可能对高价位（高分位）的影响机制更感兴趣。
如果你需要生成变量层面的最大值最小值，可以配合egen命令：
egen min_price = min(price) egen max_weight = max(weight)有时候在做分位数回归前，你想先剔除那些因为数据录入错误导致的极端值，比如收入变量出现负数、年龄出现300岁，这种清洗用egen加条件删除是最快的。别小看这一步，分位数回归虽然比OLS稳健，但极端异常值依然能让高分位的结果彻底失真。
3.3 qreg、sqreg、bsqreg到底怎么选
Stata里搞分位数回归，最常见的是三个命令：qreg、sqreg、bsqreg。很多新手在三个命令前面懵住，这里直接给结论：
- qreg：最基础的分位数回归，一次只能估计一个τ，标准误基于残差绝对值函数的渐近理论。速度快，适合探索性分析。
- bsqreg：在qreg基础上用bootstrap方法估计标准误，更稳健，但耗时较长。适合小样本或数据分布不规整的场景。
- sqreg：同时估计多个分位点的模型，标准误可以通过bootstrap（reps指定次数）或scores计算，输出结果整齐，适合直接放进论文表格。
我的习惯是：探索阶段用qreg，分别跑几个核心分位点，看看系数大概的走势；正式分析用sqreg，一次性跑5个分位点，加上reps(200)做bootstrap标准误；如果样本量很小，我再补一个bsqreg做稳健性检验。三者结果应该高度一致，如果有明显出入，优先检查数据质量和模型设定，而不是盲目调整命令。
举个例子，用Stata自带的auto数据，跑不同分位点的价格对里程（mpg）的影响，基本命令就是：
sysuse auto, clear qreg price mpg weight, quantile(0.5)这里quantile()用来指定分位点，默认是0.5，也就是中位数回归。中位数回归本身就是分位数回归里的一个特例，它对异常值的稳健性远优于OLS，这也是很多人第一次接触分位数回归的入口。
4. 完整案例：用auto数据做分位数回归
4.1 模型设定：我想看什么
为了把流程走通，我用Stata自带的auto数据来演示。这个数据集有1978年汽车的价格、里程、重量、维修记录等变量，变量不算复杂，但足够展示分位数回归的分析套路。研究问题设定为：汽车的重量和燃油效率（mpg）如何影响价格，并且这种影响在不同价格区间是否不同。
模型设定为： price = β0(τ) + β1(τ) × mpg + β2(τ) × weight + ε(τ) 分别在τ=0.10、0.25、0.50、0.75、0.90五个分位点估计。目标是看mpg（每加仑行驶英里数）的系数在哪里最大，weight的系数又在哪里最明显。对汽车市场来说，低价车市场和高价豪华车市场的定价逻辑很可能不一样，分位数回归正好可以端到端地看一遍。
4.2 跑模型：sqreg一次性搞定
我直接使用sqreg，把五个分位点和200次bootstrap一起指定：
sqreg price mpg weight, quantile(0.10 0.25 0.50 0.75 0.90) reps(200)运行结束后，Stata会输出一个合并的结果表格，每一列对应一个分位点，每一行对应一个自变量的系数、标准误、t值和置信区间。这个表格的结构很清晰，可以直接复制到论文的附录或正文里。如果你想分开展示，也可以分别用qreg跑，但sqreg的优势在于它同时估计所有分位点，后续做跨分位点系数差异检验时更方便。
跑完命令后，我强烈建议你看一下左上角的样本量和bootstrap次数。如果reps(200)因为某些原因没跑满，输出里会有warning提示，这时候结果中的标准误并不可靠，需要加reps或检查数据的完整性问题。
4.3 读结果：系数在三个分位点上的变化
以mpg变量为例，假如输出显示：τ=0.10时系数-180（不显著），τ=0.50时系数-95（显著），τ=0.90时系数-350（显著），你的解读重点就不是“mpg对价格有负向影响”这种一句话结论，而要说“mpg的负向影响主要集中在高价位汽车，低价车市场mpg对定价的作用不明显”。这就是分位数回归最大的价值：你能看到一个效应是从哪儿开始起作用的，又在哪儿达到最强。
weight系数的解读同理。如果weight在低分位显著为正、高分位不显著，说明重量更多是低价车的定价支撑因素，到了豪华车区间，品牌、配置等未观测因素可能占据了主导。这种“效应转移”的发现，在实证论文里往往就是亮点。
还记得前面提到的最大值最小值处理吗？如果你在探索阶段发现price变量有异常值，比如某辆古董车价格高到离谱，建议先用egen和summarize找出这些点，判断是录入错误还是真实样本，再决定是缩尾还是剔除。这一步决定了高分位回归结果是否可信。
4.4 可视化：grqreg画出一条系数轨迹线
表格再清楚也不如图直观。我常用grqreg命令把某个变量的系数在多个分位点上的变化画成一条折线，并加上置信区间带。这样一眼就能看出系数是否随分位点单调变化，还是在某个位置突然反转。
ssc install grqreg grqreg mpg weight, ci这里不加任何限定，grqreg默认会把你刚才sqreg里面的所有分位点系数画出来。如果你只想看某个变量，可以用：
grqreg mpg, ci olsols选项会在图上叠加一条OLS估计的系数水平线和置信区间，用来直观对比分位数回归与均值回归的差异。我看到很多人画图后才发现，原来OLS系数既不接近低分位也不接近高分位，而是悬在中间，这种视觉冲击比表格强烈得多。
如果要进一步做多变量系数对比，coefplot也可以胜任：
ssc install coefplot coefplot, keep(mpg weight) vertical bycoef它会按变量分组，把每个分位点的系数画成点估计加置信区间的小图。具体用哪个命令看个人偏好，grqreg更专注于分位数结果，coefplot更通用。画图之后记得保存图像格式，Stata里graph export成PDF或PNG，宽度拉到8英寸以上，清晰度才够用。
5. 进阶场景：面板数据、工具变量与异质性分析的关系
5.1 面板数据里的分位数回归怎么跑
实际研究中，很多时候你手里的数据是面板结构，比如多年追踪的住户调查数据。普通qreg直接忽略了个体固定效应，会带来遗漏变量偏误。Stata里处理面板分位数回归的常用命令是xtqreg，使用前先声明面板结构：
xtset id year xtqreg y x1 x2, quantile(0.25 0.50 0.75) ls其中ls选项表示用最小二乘估计作为初始值，能提高收敛速度。安装命令前面已经说过：
ssc install xtqregxtqreg的实现比较新，对于短面板或长面板都有对应的标准误处理方法。但注意，面板分位数回归在小样本下面表现不如普通分位数回归稳定，个体数太少时很容易不收敛。如果遇到收敛问题，优先减少分位点数、简化模型，或者改用qregpd、xtqr等替代命令。
我一直觉得，面板分位数回归是“锦上添花”型方法，不要一上来就用。先跑清楚混合截面分位数回归和普通面板固定效应模型，再看有没有必要引入分位数+面板的结合。引入之前想清楚审稿人可能会问“为什么不用分组交互项”这类问题，你需要有理有据地回答。
5.2 内生性问题：工具变量分位数回归
分位数回归同样面临内生性挑战。如果你的核心解释变量与误差项相关，各分位点的系数都会不一致。Stata里处理这个问题的常见命令是ivqreg（qreg2），它结合了工具变量思想，在不同分位点上用工具变量提取外生变异。
ssc install ivqreg ivqreg y x1 x2 (endog_var = instrument), quantile(0.50)这种方法的代价是收敛难度大、结果对工具变量质量非常敏感。我的建议是：先用普通分位数回归做主分析，把工具变量分位数回归作为稳健性检验。另外，工具变量分位数回归的识别条件比较强，解释结果时要格外谨慎，很多审稿人会对极端分位的工具变量结果提出疑问。
如果你对“异质性分析”这个说法有共鸣，其实分位数回归就是最自然的异质性分析工具之一。很多论文里说的“亚组分析”，本质上就是在检验系数的异质性。但分位数回归的异质性是连续的、依赖于因变量分布位置的；亚组分析的异质性是离散的、依赖于分组变量。两者回答的问题维度不同，在写作中可以互为补充。我用分位数回归跑完发现效应集中在高分位后，再用亚组分析按收入中位数分组做个稳健性检验，审稿人基本上不会再挑“异质性被藏起来了”这种毛病。
5.3 分位数回归与交互项模型的对比
有同学习惯用“y对x、z、x×z”的交互项模型来检验异质性。这种方法可行，但它要求你得事先知道潜在异质性来源于哪个可观测变量z，而且你只能检验这一个维度。分位数回归不依赖分组变量选择，它让数据自动告诉你“效应在因变量的哪个区间更强”。当然，分位数回归也不是万能的，它对“位置”的解释比较抽象，不像交互项那样容易对应到具体的政策含义。最稳妥的做法是把两种方法都做了，结论互相印证，论文丰富度直接上一个档次。
6. 常见问题与排查技巧
6.1 不收敛、警告频出怎么办
分位数回归的不收敛问题，常见原因之一是数据里有太多完全相同的值（ties），尤其是离散型因变量。解决办法是检查因变量是不是连续变量，或者考虑加入jitter（微小随机扰动）再进行回归。还有一个原因是极端分位点上有效样本太少，遇到这种情况，要么减少分位点个数，要么直接用中位数回归代替极端分位。
如果sqreg跑很久还没出结果，先检查reps次数和数据量级。reps(200)在样本量几万条时是压力很大的，可以先reps(50)试跑，确认没有问题再加大次数。我自己的经验是，面板数据加入xtset之后，如果面板单位特别多，sqreg的bootstrap会显得异常慢，这时候可以改用qreg少跑几个分位点，或者用xtqreg专用命令来提速。
6.2 标准误选bootstrap还是scores
sqreg默认会自动计算标准误，如果你没有指定reps，它使用的是scores方法，计算快但假设较强。我个人的偏好是小样本下用bootstrap标准误，更稳健。Stata里写reps(200)即可，常见论文要求bootstrap次数至少200，如果你想更保险，500次也常见。注意bootstrap的随机性会导致每次运行标准误略有差异，结果里最好固定随机种子，让结果可复现：
set seed 12345这个细节虽然不起眼，但能避免你第二天重新跑一遍结果不一样，也方便别人复核。
6.3 结果解读的几个翻车现场
翻车现场一：把条件分位数说成无条件分位数。论文里一定用“在控制其他变量后，处于价格分布第90百分位的汽车，mpg每提高1单位价格下降XX元”这类表述，别写成“价格最高的10%的汽车”。翻车现场二：拿高分位的系数跟低分位的系数直接做比较时，忘记做联合检验。虽然系数看起来一大一小，但可能亮横着的置信区间重叠很大，统计上并不显著。用test命令可以检验跨分位点系数差异：
test [q10]mpg = [q90]mpg这条命令在sqreg的输出下可用，如果p值不显著，你就不能理直气壮地说“效应在不同分位点有显著差异”。
6.4 命令找不到、版本报错的通用排查
遇到command qreg is not found这种错误，虽然qreg是内置命令，但偶尔会因为Stata安装不完整或ado路径被污染而报错。先试：
which qreg如果提示未找到，多半是Stata安装问题，而不是代码问题。对外部命令（grqreg、xtqreg等），报错大概率是没安或版本不对，用ssc install重新安装，并查看帮助文件确认命令语法是否与你手上的Stata版本匹配。我见过太多次因为Stata 13和Stata 16语法差异导致的“疑似命令失效”，其实不是命令没了，是版本接口变了。
7. 最后再分享一点我的个人经验
用分位数回归这几年，最大的体会是：这个工具真正改变人的不是“多跑了几条回归”，而是逼着你思考“你到底关心谁”。做政策评估也好，做机制检验也罢，一个平均值背后可能是完全不同的群体命运。分位数回归把你从“均值崇拜”里解放出来，让你看到数据背后的结构，这让它的价值远远超出“稳健性检验”的定位，而更像是理解现实复杂性的入口。
还有一个小技巧想送给刚开始上手的你：第一张图永远先画因变量的核密度分布，把分布形状刻在脑子里，再去选分位点。如果你能说出“这个变量在90分位附近有个小峰”，那你已经比绝大多数只会无脑跑五个分位点的人强很多了。工具始终是工具，真正重要的是你想讲一个什么样的故事，而分位数回归恰好是那个能帮你把故事讲得更有层次感的叙事工具。
