sqreg y x1 x2 x3,quant(0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9)
(fitting base model)
(bootstrapping ....................)
Simultaneous quantile regression                     Number of obs =        81
  bootstrap(20) SEs                                  .10 Pseudo R2 =    0.2432
                                                     .20 Pseudo R2 =    0.2269
                                                     .30 Pseudo R2 =    0.2190
                                                     .40 Pseudo R2 =    0.2190
                                                     .50 Pseudo R2 =    0.2451
                                                     .60 Pseudo R2 =    0.2724
                                                     .70 Pseudo R2 =    0.3077
                                                     .80 Pseudo R2 =    0.3669
                                                     .90 Pseudo R2 =    0.3998
------------------------------------------------------------------------------
             |              Bootstrap
           y |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
q10          |
          x1 |   4.244264   2.166244     1.96   0.054    -.0692791    8.557806
          x2 |   .1784878    .216807     0.82   0.413    -.2532301    .6102057
          x3 |  -.0332855    .010871    -3.06   0.003    -.0549325   -.0116386
       _cons |  -4.011645   4.485963    -0.89   0.374    -12.94434    4.921049
-------------+----------------------------------------------------------------
q20          |
          x1 |   6.536279   3.013593     2.17   0.033     .5354489    12.53711
          x2 |   .3237864   .1296771     2.50   0.015     .0655663    .5820064
          x3 |  -.0312169    .006372    -4.90   0.000    -.0439051   -.0185287
       _cons |  -7.139989    2.85231    -2.50   0.014    -12.81966   -1.460314
-------------+----------------------------------------------------------------
q30          |
          x1 |   8.710209   3.461219     2.52   0.014     1.818042    15.60238
          x2 |   .5167037   .2771683     1.86   0.066    -.0352089    1.068616
          x3 |  -.0285701    .008155    -3.50   0.001    -.0448087   -.0123314
       _cons |  -11.22525   5.558644    -2.02   0.047    -22.29393   -.1565767
-------------+----------------------------------------------------------------
q40          |
          x1 |   8.628939   3.485827     2.48   0.016      1.68777    15.57011
          x2 |    .823844   .2944979     2.80   0.007     .2374238    1.410264
          x3 |  -.0311544    .008423    -3.70   0.000    -.0479267   -.0143821
       _cons |  -17.13608   5.987672    -2.86   0.005    -29.05906   -5.213103
-------------+----------------------------------------------------------------
q50          |
          x1 |   7.434057   2.595312     2.86   0.005      2.26613    12.60198
          x2 |   .6827448   .1644746     4.15   0.000      .355234    1.010256
          x3 |  -.0266345   .0079297    -3.36   0.001    -.0424247   -.0108444
       _cons |  -13.99752   3.506714    -3.99   0.000    -20.98027   -7.014757
-------------+----------------------------------------------------------------
q60          |
          x1 |   7.364803   2.107857     3.49   0.001     3.167524    11.56208
          x2 |   .7894423   .1552811     5.08   0.000     .4802382    1.098646
          x3 |  -.0312381   .0071463    -4.37   0.000    -.0454683   -.0170079
       _cons |  -15.88598   2.984993    -5.32   0.000    -21.82986   -9.942096
-------------+----------------------------------------------------------------
q70          |
          x1 |   5.672725   1.305768     4.34   0.000     3.072607    8.272842
          x2 |   .9284002   .2137704     4.34   0.000      .502729    1.354071
          x3 |  -.0354224   .0067436    -5.25   0.000    -.0488506   -.0219942
       _cons |  -18.27294   4.240414    -4.31   0.000    -26.71668   -9.829193
-------------+----------------------------------------------------------------
q80          |
          x1 |   7.090671   1.396285     5.08   0.000     4.310313     9.87103
          x2 |   1.064819   .1948947     5.46   0.000     .6767343    1.452904
          x3 |  -.0391097   .0068329    -5.72   0.000    -.0527159   -.0255036
       _cons |  -20.97264   3.965186    -5.29   0.000    -28.86834   -13.07695
-------------+----------------------------------------------------------------
q90          |
          x1 |   4.889381   3.118386     1.57   0.121    -1.320119    11.09888
          x2 |   1.549929   .3272048     4.74   0.000     .8983814    2.201478
          x3 |  -.0405577   .0156801    -2.59   0.012    -.0717808   -.0093345
       _cons |   -30.2895   6.533871    -4.64   0.000     -43.3001    -17.2789
------------------------------------------------------------------------------
本人初接触stata  做的分位数回归结果，但是有点看不懂，请高人指点里面的标准化回归系数是哪个？？？？？我只能找到回归系数，标准化的找不到