近日，山东大学经济学院陈强教授合作论文“Spread Regression, Skewness Regression, and Kurtosis Regression with an Application to the US Wage Structure”在国际权威期刊Journal of Applied Econometrics正式发表。陈强教授为第一作者，波士顿学院肖志杰教授为第二作者兼通讯作者。

分位数回归为研究协变量如何影响条件分布的关键分位数提供了强有力的工具，但对协变量如何影响条件分布的整体形状仍不清晰。通过使用分位数回归以及基于分位数定义的跨度（spread）、偏度（skewness）和峰度（kurtosis），本文提出跨度回归（spread regression）、偏度回归（skewness regression）和峰度回归（kurtosis regression）作为实证工具，以量化协变量对条件分布的跨度、偏度和峰度的影响。将此方法应用于1980—2019年的美国工资数据获得重要发现的同时与基于矩的稳健方法进行对比。研究把跨度的变化分解为成分效应（composition effects）和结构效应（structural effects），以考察工资不平等的上升，同时通过开发Stata命令spreadreg、skewreg和kurtosisreg（可在SSC下载安装），以实现跨度回归、偏度回归与峰度回归，在Stata中输入命令“ssc install skewreg, all replace”，即可同时下载这三个命令及演示数据集。

陈强，山东大学经济学院教授，数量经济学博士生导师，泰岳经济研究中心副主任(主持工作)。主要研究领域为计量经济学、机器学习、经济史。分别于1992年、1995年获北京大学经济学学士、硕士学位，后留校任教。2007年获美国Northern Illinois University数学硕士与经济学博士学位。2010年入选教育部新世纪优秀人才支持计划。已在Journal of Econometrics, Journal of Applied Econometrics, Oxford Economic Papers (Lead Article), Journal of Comparative Economics, Economica, Stata Journal (Lead Article)以及《管理世界》《经济学季刊》《世界经济》等国内外权威期刊发表论文，并著有本科教材《计量经济学及Stata应用》，研究生教材《高级计量经济学及Stata应用》《机器学习及R应用》《机器学习及Python应用》。

文/陈强，周丽芳