概念卡：分位数回归 Quantile Regression

综合实践 · 01_专业概念地图/概念卡_分位数回归.md

概念卡：分位数回归 Quantile Regression

一句话定义

分位数回归是建模结果变量某个分位数与自变量关系的方法。

它解决什么问题

它不只看平均影响，还能分析不同位置，尤其是尾部位置的变化。

典型使用场景

• 分析高风险尾部。
• 收入或损失分布不同分位数。
• 异方差数据。

需要知道的关键词

• Quantile
• Median Regression
• Conditional Quantile
• Tail
• Heterogeneity

和导师方向的关系

分位数回归连接应用统计和尾部风险分析，适合研究变量对高分位损失或极端响应的影响。

交流时可以怎么说

如果平均效应不足以描述问题，可以用分位数回归看不同分位点上的关系。

对尾部风险问题，高分位数回归可能比普通均值回归更贴合目标。

可以追问的问题

• 关注哪个分位数？
• 高分位结果是否稳定？
• 分位数回归和极值模型如何区分？

给 AI 的提示词

请解释分位数回归和普通线性回归的区别。要求说明它为什么适合尾部分析，并给 Python 思路。

我的理解边界

• 已理解：分位数回归看条件分位数而非均值。
• 还不确定：损失函数形式。
• 下次需要补：pinball loss。