在当今的实证研究中,尤其是在微观计量经济学中,越来越多的实证研究使用面板数据分位数的方法,通过面板数据分位数回归,一方面可以控制个体间的异质性,另一方面可以深入了解解释变量在不同分位数点对解释变量的异质性影响,尤其是在分布的末端或顶部。Canay（2011）提出了一个简便的面板数据分位数的估计方法。该方法包括两个步骤:第一步,使用线性面板数据模型的标准固定效应估计个体效应,再将估计出的个体固定效应从被解释变量中剔除;在第二步中,通过使用传统的分位数回归估计出各分位点的系数。该两步估计的方法背后的直觉很简单,在实践中的实现也很容易,据文献统计,上百篇文献在实证应用中引用了该方法。然而,基于分位数回归为非线性估计方法,该方法估计的系数及渐近方差的推导都存在错误。鉴于分位数回归的目标函数为非平滑函数,给纠偏及推导渐近方差造成了困难,本文在此基础上提出了一种基于平滑的目标函数的分位数回归的两步估计方法,该方法同样易于实现。基于光滑的目标函数的便利性,本文推导出了纠偏后的正确估计系数与渐近方差的解析形式,同时还采用jackknife这一更加简便的方法进行纠偏。并在蒙特卡洛模拟中得到了比原方法显著改善估计准确性的结果,并说明了面板数据分位数回归中偏差校正的有效性。本文除了提出正确的估计量及渐近方差的推导以外,在此基础上,还把该模型推广到了变量序列相关的情景下,进一步拓展了原方法的局限性。本文第四章考虑到目前因子模型的广泛应用,在第三章的基础上,我们提出了一个具有公共因子结构的分位数面板模型。也同样推导出解析形式的纠偏估计量及渐近方差。模拟结果表明,当确实存在公共因子影响解释变量时,本文提出的方法具有较好的表现。在本文的实证的应用中,我们通过指标检测以及市场持仓数据发现国内A股市场存在较为明显的抱团行为。然后再通过Hausman检验发现公共因子对市场的收益率具有较为显著的影响。同时,根据货币及信贷指标把市场分位四类阶段后,发现存在部分行业总是存在较高胜率以及超额收益。最后本文采用前半部分提出的分位数回归方法对个股超额收益在各个分位点处的影响因素进行分析,同时也采用直接代入宏观变量进行回归作为对比,回归结果发现,市场上的抱团效用主要出现在消费领域如食品饮料及医疗板块,其中,市场的投资者对于ROE这一财务指标更为敏感,市场更加青睐于投资ROE相对稳定的公司。本文的在理论上的贡献一方面在于修正了Canay（2011）中关于估计量的错误推导,并提出了两种对估计量纠偏的方法,另一方面是将原模型设定拓展到了序列相关的假设下,使得该方法在实证应用中可以应对更广泛的情境,在蒙特卡洛模拟中,分别以解析形式及自助抽样法对渐近方差进行估计,都取得了较好的模拟结果。之后考虑到宏观因素等公共因子的影响,在此基础上拓展了模型设定,添加了不可观测因子的估计方法,丰富了分位数估计的相关理论。在实证研究中,本文使用提出的估计方法对二级市场的异质性进行分析,得到了较为显著的结果,为二级市场的投资行为提供了一部分参考。