面板数据条件分位数回归模型由于兼具面板数据模型和条件分位数回归方法的优势,能够在控制个体异质性的基础上,在不同分位点上全面刻画解释变量对被解释变量条件分布的影响,因此在计量建模研究中应用十分普遍。但是,若想直接得到自变量对响应变量的一般边际影响,而不依赖于其他协变量,则需要借助无条件分位数回归技术。目前无条件分位数回归技术主要包括基于再中心化影响函数的无条件分位数回归理论和一般无条件分位数回归理论。基于此,本文致力于构建面板数据无条件分位数回归模型,从而为分位数回归方法提供一种新思路。针对面板数据的再中心化影响函数回归模型,依次构建了基于一阶差分和固定效应变换法的无条件分位数回归以及含虚拟变量的无条件分位数回归和惩罚无条件分位数回归,给出参数具体的点估计和区间估计办法。计算机模拟仿真结果显示,只有不存在其它协变量的影响下,条件分位数和无条件分位数回归方法的估计结果才会保持一致,而当其它协变量的影响存在时,条件分位数回归会基于所有其它协变量做出估计,而无条件分位数回归可直接得到特定分位点下某个协变量对响应变量的一般边际影响。其次,四种针对面板数据提出的无条件分位数回归方法都能得到准确有效的估计结果,其中惩罚无条件分位数回归的估计效果最优。最后对我国城镇居民分项收入对消费支出的影响进行了研究分析,发现工资性收入的增加对消费的促进效应最强,并且其对中低消费人群的刺激作用更大。针对面板数据一般无条件分位数回归模型,基于两个矩条件,构建一般无条件分位数回归方法,借助广义矩估计得到参数的估计值并给出置信区间的估计办法。计算机模拟仿真结果显示,在不同误差分布、数据量和分位点下,一般无条件分位数回归方法的估计效果都最优,但在实际操作中估计过程稍显复杂,需要根据估计参数的数量设计相应的优化算法。最后对我国城镇居民总体的收入消费情况进行了研究分析,发现中低消费人群收入水平的提高在一定程度上会刺激消费,而高消费人群收入水平的进一步增加,并不会对其消费产生更为明显的促进作用。