举个系统数据的例子：

sysuse auto
sqreg price weight length foreign, quantile(.05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95)

. sqreg price weight length foreign, quantile(.05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95)
(fitting base model)
(bootstrapping ....................)

Simultaneous quantile regression                     Number of obs =        74
  bootstrap(20) SEs                                  .05 Pseudo R2 =    0.1456
                                                     .10 Pseudo R2 =    0.1385
                                                     .20 Pseudo R2 =    0.1507
                                                     .30 Pseudo R2 =    0.1854
                                                     .40 Pseudo R2 =    0.2089
                                                     .50 Pseudo R2 =    0.2347
                                                     .60 Pseudo R2 =    0.2692
                                                     .70 Pseudo R2 =    0.3320
                                                     .80 Pseudo R2 =    0.4425
                                                     .90 Pseudo R2 =    0.4911
                                                     .95 Pseudo R2 =    0.5111

------------------------------------------------------------------------------
             |              Bootstrap
       price |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
q5           |
      weight |   1.461614   1.223335     1.19   0.236    -.9782518    3.901479
      length |  -29.10025   27.23605    -1.07   0.289    -83.42083    25.22034
     foreign |   523.3007   1185.162     0.44   0.660     -1840.43    2887.032
       _cons |   4829.181   3440.041     1.40   0.165    -2031.763    11690.13
-------------+----------------------------------------------------------------
q10          |
      weight |   1.854952   .6715401     2.76   0.007     .5156077    3.194297
      length |  -22.33483   17.01256    -1.31   0.194     -56.2653    11.59565
     foreign |   1275.206    875.805     1.46   0.150    -471.5317    3021.944
       _cons |   2396.777   2775.295     0.86   0.391    -3138.375    7931.929
-------------+----------------------------------------------------------------
q20          |
      weight |   1.843421   1.950499     0.95   0.348    -2.046727    5.733569
      length |  -10.79473   42.47795    -0.25   0.800    -95.51433    73.92487
     foreign |   1666.437   923.9231     1.80   0.076    -176.2698    3509.143
       _cons |   441.0287   2958.007     0.15   0.882     -5458.53    6340.587
-------------+----------------------------------------------------------------
q30          |
      weight |   1.705171    2.68536     0.63   0.528    -3.650611    7.060953
      length |   5.090148   64.37871     0.08   0.937    -123.3091    133.4894
     foreign |   2148.599   982.3306     2.19   0.032     189.4022    4107.796
       _cons |  -1843.919   4207.725    -0.44   0.663    -10235.96    6548.125
-------------+----------------------------------------------------------------
q40          |
      weight |   1.893098   2.873643     0.66   0.512    -3.838202    7.624397
      length |   7.228116   70.11551     0.10   0.918    -132.6129    147.0691
     foreign |   2676.242   1067.296     2.51   0.014     547.5859    4804.897
       _cons |  -2753.278   4806.916    -0.57   0.569    -12340.37    6833.814
-------------+----------------------------------------------------------------
q50          |
      weight |   3.933588    3.24152     1.21   0.229     -2.53142     10.3986
      length |  -41.25191   90.19226    -0.46   0.649    -221.1347    138.6309
     foreign |   3377.771   1001.372     3.37   0.001     1380.597    5374.944
       _cons |   344.6494   7906.721     0.04   0.965    -15424.81    16114.11
-------------+----------------------------------------------------------------
q60          |
      weight |   5.975028    3.16872     1.89   0.063    -.3447843    12.29484
      length |  -100.1002   94.05582    -1.06   0.291    -287.6886    87.48823
     foreign |   3730.962   1060.593     3.52   0.001     1615.676    5846.249
       _cons |   5901.206   9057.955     0.65   0.517    -12164.32    23966.73
-------------+----------------------------------------------------------------
q70          |
      weight |   7.630592   2.387583     3.20   0.002     2.868708    12.39248
      length |  -161.4375   83.07945    -1.94   0.056    -327.1342     4.25923
     foreign |   3672.635   1142.762     3.21   0.002     1393.467    5951.802
       _cons |   13176.74   9292.415     1.42   0.161    -5356.401    31709.87
-------------+----------------------------------------------------------------
q80          |
      weight |   8.906373   1.925212     4.63   0.000     5.066659    12.74609
      length |  -211.7601   70.31082    -3.01   0.004    -351.9906   -71.52957
     foreign |   3995.263   996.9791     4.01   0.000     2006.851    5983.676
       _cons |   19619.38   8047.923     2.44   0.017     3568.305    35670.46
-------------+----------------------------------------------------------------
q90          |
      weight |   9.665794   1.545686     6.25   0.000     6.583019    12.74857
      length |  -248.7804   71.37275    -3.49   0.001    -391.1289    -106.432
     foreign |   4164.352   1082.917     3.85   0.000     2004.543    6324.162
       _cons |   25190.95    8520.59     2.96   0.004     8197.174    42184.73
-------------+----------------------------------------------------------------
q95          |
      weight |   7.097063   2.401118     2.96   0.004     2.308186    11.88594
      length |  -121.9554   108.4965    -1.12   0.265    -338.3448      94.434
     foreign |   2027.035   950.5062     2.13   0.036     131.3102     3922.76
       _cons |   10797.29   13061.49     0.83   0.411    -15253.04    36847.62
------------------------------------------------------------------------------


不知道这个表，是不是你想要的？

首先，非常感谢
但是好像不是这个，这是分位数回归结果，反映的是各个变量对男女工资的影响。而根据附件中表的内容，是反映各个变量对男女性别工资差异的影响程度。应该需要用分位数分解才可以。

是啊，分位数分解和分位数回归应该很不一样。

同问分位数分解stata程序

您说的例子是截面数据。请问面板数据怎么做？如果是动态面板怎么做？bootstrap的次数如何确定？期待您的回答。谢谢！