在空间计量经济学中,空间效应被用来度量区域间的经济发展关系,将其引入到面板数据模型,既满足了截面维度的空间相关性,又保留了个体异质性。然而,存在空间相关性的样本将导致较大的方差估计、假设检验的显著水平偏低以及估计模型的拟合度下降,传统的方法比如条件均值模型的参数估计将不再有效。尽管分位数回归与空间计量模型的结合也可以有效地处理空间异质性问题,但在实际问题中选择合适的分位点通常是个难题。复合分位数回归综合考虑多个分位点处的分位数回归模型。它不容易受单个分位点取值的影响,反映的信息比传统均值回归或分位数回归更加全面,且误差项的方差可以趋于无穷。同时,面板数据可以克服截面数据或单个时间序列分析的缺点,其样本容量更大,承载的信息更多,还能控制个体异质性。因此,本文考虑对空间面板模型进行复合分位数的统计推断。基于空间面板模型的分位数回归,采用工具变量分位数重点处理空间滞后项的内生性。考虑多条分位数回归方程,即构建全新的空间面板数据的复合分位数回归模型(SPCQAR)。基于扩展得分向量构造合适的矩函数,运用经验似然法把刻画面板数据内在相依性的权重嵌入到复合分位数回归的损失函数表达式中,再采用三步估计方法,利用加权复合分位数回归的思想对模型参数进行估计。本文证明所提出的空间面板模型的复合分位数估计满足相合性和渐近正态性。同时,通过统计模拟考察了该方法的有限样本表现。在模拟中设置了不同类型的序列相关性以及误差项的不同分布形式,实验结果表明:SPCQAR方法的参数估计比两阶段最小二乘方法(TSLS)和普通分位数回归方法(QR)更加稳健有效,且在误差项服从非正态分布条件下,序列相关性越强,SPCQAR方法的优势相较于其他方法越明显。本文采用SPCQAR方法基于服务业发展进行了实证分析,经检验发现长三角25个城市服务业发展水平存在序列相关和空间效应。在各城市现代服务业发展水平具有空间高值集聚或低值集聚特征的前提下,“城市化水平”与城市的现代服务业发展呈现较强的正相关关系。而与TSLS和QR不同的是,SPCQAR方法可以更有效地提高参数估计精度。