【摘要】因子增广回归是利用高维数据对宏观经济进行预测的重要方法。然而，均值回归框架下的因子模型和回归模型在面对异常值或厚尾分布时结果不够稳健。为此，文章在分位数回归框架下构建分位数因子增广分位数自回归分布滞后模型，该模型通过构建分位数因子模型对高维数据进行降维，提取不同分位点的公共因子；进一步，利用提取出的公共因子和响应变量的滞后项构建分位数自回归分布滞后模型。数值模拟结果表明，在数据出现异常值或厚尾分布的情境下，分位数因子分析估计的均值因子和非均值因子更稳健，分位数因子增广回归的预测性能优于因子增广回归的预测性能，且分位数因子增广分位数自回归分布滞后模型的预测性能优于基准模型。