条件分位数函数的可加模型为专注于响应特征的非参数回归应用程序提供了一个有吸引力的框架。总变化粗糙度惩罚可用于控制加性成分的平滑度，就像经典的索贝列夫惩罚使用平方L（左）₂平滑样条线。我们描述了这类可加模型的估计和推断的一般方法。我们主要关注平滑参数的选择和非参数分量置信带的构造。引入了点态置信带和一致置信带；统一乐队以霍特林乐队为基础[阿默尔。数学杂志。 61（1939年）440–460]管道方法。本文提供了一些模拟证据来评估有限样本的性能，并以印度儿童营养不良模型为例说明了这些方法。