摘要：
我们提出了线性分位数回归模型的推广，以适应面板数据提供的可能性。具体来说，我们扩展了线性分位数回归的相关随机系数表示（例如，Koenker，2005；第2.6节）。我们表明，面板数据允许计量经济学者（i）引入回归系数和随机系数之间的相关性，以及（ii）削弱它们之间的共线性假设（即，丰富不同系数之间的允许相关性结构）。我们采用了一种“固定效应”方法，使回归变量和随机系数之间的任何依赖性都未建模。我们在模型中激发了分位数部分效应的不同概念，并研究了它们的识别。对于离散值协变量的情况，我们给出了模拟估计量并刻画了它们的大样本性质。当时段数（T）超过随机系数数（P）时，识别是有规律的，我们的估计是√N-一致的。当T=P时，我们的识别结果以Graham和Powell（2012）的方法为基础，特别利用了留守者的亚群（单位的回归值随时间变化很小）。在这个刚刚确定的情况下，我们研究了渐近序列，它允许种群中驻留者的频率随样本大小而收缩。这些“离散带宽渐近性”的一个目的是近似设置，其中协变量是连续值的，因此，只有无穷小部分的精确stayers，同时保持基于离散协变量的分析的便利性。当支撑层的质量随着N收缩时，识别是不规则的，我们的估计收敛速度慢于√N，但仍具有极限正态分布。我们使用1979年全国青年纵向调查（NLSY79），应用我们的方法来研究集体谈判覆盖率对收入的影响。与之前的工作一致（例如，Chamberlain，1982；Vella and Verbeek，1998），我们发现使用面板数据控制未观察到的工人异质性导致工会工资溢价的估计值大幅降低。我们估计工会工资溢价中位数约为9%，但在一个更新颖的发现中，工人之间存在着巨大的异质性。联合效应的0.1分位数与零的差别不大，而0.9分位数的影响超过30%。我们的实证分析进一步表明，实际上，工会对工资分配具有均衡作用。
