随着统计分析的逐步发展，越来越多的研究学者聚焦于数据建模和统计量分析，因为模型的设定是进行更深层次探究的基础，一个优良的模型，可以对分析对象实现最优拟合，以便更全面更准确的掌握分析对象的特点，这样就可以更深入的研究，并得出切实有效的结论。在形形色色的统计方法中，最小二乘法凭借着自身简洁有效且与想象相符的优势，被广泛应用与参数和非参数模型的研究中。然而，没有一种方法是完美无瑕的，对带有异常值和异方差的数据，由于自身局限性，最小二乘法也存在一定的不足。分位数回归（Quantile Regression）思想的提出，最对这种方法进行了有效的补充与完善。对于估计参数与非参数模型，也显示出了优越的稳定性。本文侧重研究分位数理论、非参数分位数回归模型、局部多项式估计方法以及他们的实际应用，论文的着力于以下几项工作：首先，论文介绍了分位数回归的研究背景，理论的形成和发展过程。可以看出，对分位数的研究过程，从萌芽到成长壮大，其应用领域被学者们不断扩展，说明分位数回归适用于多种领域多种用途的研究。这也从另一个角度说明了对分位数回归问题的研究是很有意义的。其次，论文详细介绍了本文的理论支持。即分位数回归的定义，基本原理，以及相关的一些性质。对分位数回归进行实用性拓展，找出适合本文研究内容的模型——非参数分位数回归模型，并做出详细介绍。再次，采用非参数模型估计最为常用的方法——局部多项式方法，运用分位数回归技术，对全国230个城市的居民收支情况进行建模与分析，同时列出最小二乘估计的相关结果，通过对比，可以得出：对于数据量大且非常态分布的数据，非参数分位数回归方法是优于普通最小二乘法的，而且可以提供更多的信息，便于得到正确的统计分析结论。最后，本文运用非参数分位数回归技术，得出的结论不仅是对非参数分位数回归应用的扩展，同时也对经济学领域的研究的有益参考。