分位数回归是定量建模的一种统计方法，最早由Roger Koenker和Gilbert Bassett于1978年提出，广泛应用于经济社会研究、医学保健等行业的研究领域。
基本线性回归是基本OLS估计，是一种标准分析方法，研究的是自变量与因变量的条件期望之间的关系，而分位数回归研究的是自变量与因变量的特定百分位数之间的关系。
用更通俗易懂的语言来讲，就是普通线性回归的因变量与自变量的线性关系只有一个，包括斜率和截距；而分位数回归则根据自变量值处于的不同分位数值，分别生成对因变量的线性关系，可形成很多个回归方程。
比如我们研究上市公司人力投入回报率对于净资产收益率的影响，当人力投入回报率处于较低水平时，其对净资产收益率的带动是较大的，但是当人力投入回报率达到较高水平时，其对净资产收益率的带动会减弱，也就是说随着自变量值的变化，线性关系的斜率是会发生较大变动的，那么就非常适合采用分位数回归方法。
与普通线性回归相比，分位数回归对于目标变量的分布没有严格研究，也会趋向于抑制偏离观测值的影响，适用于目标变量不服从正态分布、方差较大的情形。
