在研究实际问题的时候,人们通常比较关心某个解释变量对被解释变量的影响,即称之为偏效应或者边际效应。普通最小二乘回归方法是解决这类问题的一个常用方法。但是普通最小二乘回归实际上是一种条件均值回归,条件均值仅仅是刻画条件分布的一个指标,它得到偏效应是条件平均偏效应。分位数回归方法则能对整个分布的全貌进行刻画,得到各个分位数上的偏效应。传统的分位数回归是一种条件分位数回归,它得到的偏效应是条件分位数偏效应。另一种分位数回归则是无条件分位数回归,借助影响函数和再中心化影响函数的性质,它能够得到无条件分位数偏效应。分位数回归方法比普通最小二乘回归方法提供了更加丰富的信息。本文通过几个数据生成过程模拟了普通最小二乘回归方法与分位数回归方法所得的偏效应之间的差异,并以普通最小二乘回归作为参照,利用两种分位数回归对性别收入不平等进行实证研究,发现性别对收入有显著影响,各种偏效应之间存在较为明显的不同,且利用无条件分位数偏效应的几个估计方法得到了很相似的结果,表明了估计方法的稳健性。同时基于无条件分位数回归使用反事实框架对性别收入差异进行分解,发现性别歧视在性别收入差异中占有主导地位。由于分位数回归方法相比于普通最小二乘回归方法的巨大优势,尤其是异方差情形,分位数回归方法越来越受到研究者们的重视,在如今数据爆炸的时代,它能发挥出很大的作用。