中山大学｜岭南学院周先波教授合作论文在《Journal of Econometrics》发表，提出截尾分位数回归新估计方法

中山大学岭南学院周先波教授与浙江大学陈松年教授、暨南大学王曦副教授的合作论文《Censored partial linear quantile regression with endogeneity》在线发表于国际计量经济学顶级期刊《Journal of Econometrics》（2026年7月）。

研究背景

在劳动经济、家庭金融、数字经济等主流微观实证研究中，归并截尾、内生变量、非线性关系往往同时存在，传统计量模型存在明显局限：工资、家庭教育支出等变量常存在一定比例的零观测值，标准分位数回归直接估计会产生严重偏误；数字普惠金融、受教育年限等核心解释变量易受不可观测偏好、地区政策混淆因子干扰，传统工具变量分位数方法无法适配半参数结构；年龄、工作经验等变量对收入、消费的影响是非线性的，纯线性分位数回归会丢失异质性效应，非参数模型又面临「维数灾难」。

方法创新

针对上述空白，研究提出截尾因变量半参数分位数回归模型的SSIVCPL估计方法，即序贯筛工具变量估计方法，实现四方面突破：一是应用序贯分层识别思路，从高无截尾高分位数起步逐层向下递推，利用上一分位数估计构造样本筛选指标，规避传统矩条件依赖未知参数导致的识别失效；二是采用半参数筛近似方案，由多项式基函数逼近未知非线性函数，严格证明筛项收敛速率并给出实操选取准则；三是构建完备的估计量大样本理论体系，证明一致收敛性、Bahadur一致表示、渐近正态性，并拓展至样本选择情形；四是提供稳健推断工具，给出加权自助法置信区间构造方案。

实证发现

研究以2017中国家庭金融调查（CHFS）城镇家庭微观数据为样本，以家庭到杭州的对数距离作为数字普惠金融发展的工具变量。SSIVCPL估计结果显示：数字普惠金融对家庭教育支出占比整体上具有显著正向影响，但存在分布差异——高支出分位数（0.7、0.8）效应微弱不显著；中低分位数（0.3—0.6）提升幅度达0.84%，说明低教育投入家庭更易借助数字金融释放教育消费。户主年龄具有非线性特征，65岁前负向抑制，66岁左右拐点转为正向。

学术价值

理论上首创SSIVCPL序贯筛估计框架，统一处理截尾因变量、内生处理变量、未知非线性共存的分位数模型；实证应用上给出全套可操作估计与推断流程，为劳动、家庭金融、数字经济等微观实证提供可靠计量工具。

作者简介

周先波，中山大学岭南学院教授，香港科技大学经济学博士，主要研究兴趣为受限因变量微观计量理论，以及与家庭消费、家庭金融、数字经济等相关的实证应用问题，多篇论文发表于Journal of Econometrics、《经济研究》等期刊，主持多项国家自然科学基金项目及国家社科重大项目。

信息来源

中山大学岭南学院官网「岭南观点」栏目，2026年8月12日发布。