【摘要】众数回归模型估计的是在给定解释变量条件下响应变量的条件众数，而不是一般意义上的条件均值，因此可以揭示一般回归方法遗漏的重要结构。文章基于众数回归模型和提升回归树模型，提出了一个新的非参数众数回归模型：众数回归提升树（MRBT）模型。该模型一方面可以解决含有多元解释变量的非参数众数回归问题，另一方面采用Boosting技术解决了众数回归树模型预测性能差的问题。数值模拟和应用研究的结果表明：在任何分布中，MRBT模型显著优于线性众数回归和众数回归树模型；在数据呈对称分布时，MRBT模型与中位数回归提升树和均值回归提升树模型的表现相同；但在数据呈非对称分布或具有异常值时，MRBT模型显著优于中位数回归提升树和均值回归提升树模型。