在实际问题研究中,人们感兴趣的是研究预测变量的改变对响应变量的影响。线性回归模型是解决这类问题的方法之一,常用最小二乘法或最小一乘法来估计未知参数。尽管预测方程能够刻画分布的平均位置,但它们却不能刻画分布的尾部特征。它的主要缺陷是对误差分布的要求很严格。1978年Koenker和Bassett提出了分位数回归理论,它可以估计条件分布的分位数函数,用不同分位点处的估计函数来刻画条件分布在不同位置的特征,从而得到关于条件分布的完整描述。分位数回归对随机误差的分布不做任何要求,当分布不对称,厚尾,或者删失时,这种分析法尤其有效。因此与经典的最小二乘回归相比,分位数回归在应用上具有独特的优势。论文首先介绍了线性分位数回归的基本理论,推导了相关的计算过程,为线性分位数回归在实际中的应用提供了理论基础。其次应用线性分位数回归理论,给出了风力发电的预测模型,艾滋病的最优治疗方案以及近几年某市高校的招生人数预测。结果表明,分位数回归比经典的最小二乘回归能够提供更多的信息。