同期待系统的回答。

简单的讲，
一般的回归y=xbeta+e,
估计了参数后，得到的y其实是mean(y)

如果需要求y的一个区间(譬如5%-95%)，通常的做法是假设error是normal的，
这样就出现2个问题，1，normal这个假设不成立，2，即使假设normal，区间的表达式也写不出来（AR模型p值超过3以后基本就复杂得没法看了）

而quantile reg 通过改变它的loss function回避了这个问题，可以直接得到quantile(y)的值，如果是50% quantile,也就是mean，
那么就和一般的回归是一回事，也叫 L1 regression

具体的细节还请看书
话说现在解答问题加分的不？现在的书真tmd贵。。。

期待国内的有识之士给出分位数回归分析的简明定义、模型和建模思想。谢谢！

 老实说分位数这种方法现在已经很普及了，靠这个发论文估计也困难，新版的EVIEWS6上面鼠标一点，就出来了

eviews 确实够强大的 不用记命令了