非常感谢，感谢指导

看后很有启发，特别是4楼那段手工程序呀

谢谢楼主。。好厉害啊~~初学者很受用~~

是噢，真的很厉害

那个图是R的吧

版主您好~
我的编程能力极其有限，程序没太理解，就直接套用的，就是把程序中y和x换成了我的变量名称，结果显示如下：红色是出问题的地方，绿色是我加载的自己的变量。
不知道出了什么问题，能麻烦您给我看看吗？感激不尽！

. preserve

.
. loc s=0

.
. mat b=J(19,4,.)

.
. forv i=0.05(0.05)1{
  2.
. loc s=`s'+1
  3.
. qreg  lw m workage edu han, q(`i')
  4.
. predictnl b=_b[edu], ci(lo up)
  5.
. mat b[`s',1]=`i'
  6.
. mat b[`s',2]=b[1]
  7.
. mat b[`s',3]=lo[1]
  8.
. mat b[`s',4]=up[1]
  9.
. drop b l u
10.
. }
Iteration  1:  WLS sum of weighted deviations =  267.12611

Iteration  1: sum of abs. weighted deviations =  270.16683
Iteration  2: sum of abs. weighted deviations =  197.77124
Iteration  3: sum of abs. weighted deviations =  143.57681
Iteration  4: sum of abs. weighted deviations =  119.73458
Iteration  5: sum of abs. weighted deviations =  105.14784
Iteration  6: sum of abs. weighted deviations =  104.50444
Iteration  7: sum of abs. weighted deviations =  93.163863
Iteration  8: sum of abs. weighted deviations =  85.482668
Iteration  9: sum of abs. weighted deviations =  84.774639
Iteration 10: sum of abs. weighted deviations =  84.508331
Iteration 11: sum of abs. weighted deviations =  84.484432
Iteration 12: sum of abs. weighted deviations =  83.288993
Iteration 13: sum of abs. weighted deviations =  82.929077
Iteration 14: sum of abs. weighted deviations =  82.633191
Iteration 15: sum of abs. weighted deviations =  82.602378
Iteration 16: sum of abs. weighted deviations =  82.602378
Iteration 17: sum of abs. weighted deviations =  82.596511
Iteration 18: sum of abs. weighted deviations =  82.596511
Iteration 19: sum of abs. weighted deviations =  82.592156

.05 Quantile regression                              Number of obs =       649
  Raw sum of deviations 95.82249 (about 5.7037826)
  Min sum of deviations 82.59216                     Pseudo R2     =    0.1381

------------------------------------------------------------------------------
          lw |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
           m |   .2646556    .125722     2.11   0.036     .0177811    .5115302
     workage |  -.0119254   .0071892    -1.66   0.098    -.0260426    .0021917
         edu |   .1337953   .0142054     9.42   0.000     .1059008    .1616899
         han |   .0442619   .1429128     0.31   0.757    -.2363694    .3248932
       _cons |   4.246894   .2706284    15.69   0.000     3.715474    4.778315
------------------------------------------------------------------------------
Warning: prediction constant over observations; perhaps you meant to run nlcom.
note: Confidence intervals calculated using t(644) critical values.
l ambiguous abbreviation
r(111);

.
. clear

.
. svmat b
number of observations will be reset to 19
Press any key to continue, or Break to abort
obs was 0, now 19

.
. tw rarea b3 b4 b1||scatter b2 b1,c(l)

.
. restore

.

这一题测好久…
我的感觉啦！
sungmoo版主用法都很精简。
问题出在drop b l u
其实您的红色不也暗示问题的所在？

以下测试，【第一个会出现与您一样的状况，调一下就不会有问题了】
******************
sysuse auto
preserve
loc s=0
mat b=J(19,4,.)
forv i=0.05(0.05)1{
loc s=`s'+1
qreg price weight length foreign , q(`i')
predictnl b=_b[weight], ci(lo up)
mat b[`s',1]=`i'
mat b[`s',2]=b[1]
mat b[`s',3]=lo[1]
mat b[`s',4]=up[1]
drop b l u
}

clear
svmat b
tw rarea b3 b4 b1||scatter b2 b1,c(l)
restore

*******************
sysuse auto
preserve
loc s=0
mat b=J(19,4,.)
forv i=0.05(0.05)1{
loc s=`s'+1
qreg price weight length foreign , q(`i')
predictnl b=_b[weight], ci(lo up)
mat b[`s',1]=`i'
mat b[`s',2]=b[1]
mat b[`s',3]=lo[1]
mat b[`s',4]=up[1]
drop b lo u
}

clear
svmat b
tw rarea b3 b4 b1||scatter b2 b1,c(l)
restore

*********************

rightttttttttttttttttttttttttttttt

grqreg命令足够了，而且还可以通过boostrap得到置信区间图。

已阅！                           

好东西，收藏了，真是有启发

这个图形该怎么解释呢？

程序不懂，还是找命令吧！

很喜欢人大经济论坛，查了一下午stata的书也没搞明白分位数回归怎么作图，论坛上一查就搞定，感谢一下各位大虾！顶

请教楼主你这个用面板数据做的吗

如果是在Ｒ里面的话就直接用plot(summary(rq))就出来了

好厉害啊，佩服

您好！您知道如何在stata中实现某一年的教育回报率的分位回归么?以及面板数据的教育回报率的分位回归？求语句指导！qreg 被解释变量 解释变量 ，quantile(0.5)这样是指的在50%的分位上做的回归吗？有没有简单易行一些的办法？谢谢！

https://bbs.pinggu.org/thread-1398517-1-1.html

面板分位回归，并没有成形的做法。

qreg y x*,q(#)

*****进行#分位回归

请问分位数回归能否做非线性模型的？怎么做？

依然木有看懂。。。。

*画变量x1的0.05~0.95分位回归系数图(另一种作法)
forv i=5(5)95{
qreg y x*, q(`i')
predictnl b`i'=_b[x1], ci(l`i' u`i')
}
keep b* l* u*
keep in f
xpose,clear v
destring _v, g(q) i("b l u")
replace  _v=substr(_v,1,1)
reshape wide v1, i(q) j(_v) s
tw rarea v1l v1u q || line v1b q

学习了