分位数回归与OLS相比有什么优势？

面板分位数最后的结果可以看出不同分位数下各自变量的大小与正负，那先将因变量按大小排列后划分成多个组，再用面板OLS回归也可以得出各自变量的大小与正负，所以分位数比OLS优在哪？除了随机误差项必须要满足正态性这个前提假设

假设不知道残差的分布，但残差满足期望为0，且方差有限。1. 新来一个样本，在预测意义下，ols只能提供Y条件期望的预测，分位数回归还可以给出Y的各个分位数的预测，能提供给多的信息。2. 和线性回归相比，分位数回归对异常值更加稳健。3. 在用ols估计后，把组内预测误差作为残差分布的估计，这在残差分布iid时侯是可行的做法，但在异方差时候无法这样做。分位数回归则可以处理某些异方差模型。