普通线性和广义线性回归模型将响应变量的平均值与协变量效应的线性组合联系起来，因此，重点关注响应的平均特性。根据这种回归模型分析发展中国家或转型期国家的儿童营养不良情况表明，估计的影响描述了平均营养状况。然而，分析反应分布的分位数，如与儿童极端营养不良风险相关的5%或10%分位数，则更有意义。本文基于分位数的半参数扩展，分析了2005/2006年印度人口与健康调查中收集的儿童营养不良数据模型方程中包含非线性效应的回归模型，导致加性分位数回归。通过一种新的boosting方法解决了与估计加性分位数回归模型相关的变量选择和模型选择问题。基于这类相当一般的统计学习程序，我们开发、评估并应用了分位数回归的boosting算法。我们的建议允许数据驱动确定非线性效应所需的平滑度，并将模型选择与自动变量选择属性结合起来。我们的实证评估结果表明，在线性和加性分位数回归模型中，助推是一种合适的估计工具，有助于确定儿童营养不良的未知风险因素。