在统计方法中，分位数回归常用来反映解释变量对响应变量整个条件分布的异质影响，是探索客观规律的重要手段与方法之一。常用的统计软件都可进行分位数回归，但受到计算内存和运行时间的限制，以大样本与高维为典型特征的大规模数据分位数回归往往难以奏效。因此，本书将经典的分位数回归模型从中小规模数据扩展到大规模数据，研究大规模数据分位数回归方法，解决其建模过程中的技术难题，对于推广应用、揭示经济和社会的复杂模式等，具有重要的理论意义和实践价值。

蔡超(1983一)，山东沾化人，管理学博士，现为山东工商学院讲师。在Statistical Papers，Communications in Statistics-simulation and Computation，以及《中国管理科学》《数理统计与管理》《统计与信息论坛》《江西财经大学学报》等刊物发表论文20余篇。目前主要从事经济计量分析、大规模数据回归分析的教学与研究工作。

第1章绪论/1
1.1研究背景和意义/1
1.2国内外研究现状/5
1.3结构安排与主要创新/11
第2章经典分位数回归模型/17
2.1线性分位数回归/17
2.2非线性分位数回归/23
2.3惩罚分位数回归/25
第3章基子稀疏指数转移方法的六样本数据分位数回归及应闲/29
3.1问题的提出/29
3.2SETQR方法与性质/30
3.3数值模拟/33
3.4应用研究/49
3.5本章小结/60
第4章基于随机抽样算法的大规模数据套索惩罚分位数回归及应用/62
……