《表5 分位数回归结果：中国省际创新异质性及其影响因素研究——基于GWR和分位数回归分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《中国省际创新异质性及其影响因素研究——基于GWR和分位数回归分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:计量结果来源于Stata13.0，其中***、**、*分别表示在1%、5%、10%的显著性水平下显著，各系数括号里的数字为对应系数估计值的t统计量。

分位数回归（Quantile Regression）是依据被解释变量的条件分位数对解释变量进行回归，从而得到多个分位数下的回归模型。分位数回归模型并不直接引入空间坐标信息，但由于我国省际创新水平存在明显块状发展特征，且不同地区具有差异性，故可以达到异质性分析的目的。相比普通最小二乘法只能描述被解释变量的均值回归，分位数模型更能精确刻画自变量对不同部分因变量的分布产生的不同影响，并且采用面板数据进行分位数回归的各参数估计比OLS回归估计更稳健。基于这个特点，沿用模型（3）进行面板分位数回归，研究不同区域创新水平上各因素的影响差异。这里列出0.1、0.3、0.5、0.7、0.9各分位点的参数估计结果，如表5所示。