最近，lqmm 包“线性分位数混合模型”已经上传到 CRAN。尽管我从未使用过它，但 lqmm 包似乎可以满足您的需求。

此演示来自用户！2011 年会议展示了该软件包的一些示例。这是从用户那里获取的包的描述！2011年会议摘要：

条件分位数回归 (QR) 与作为一组协变量和固定回归系数向量的函数的结果的未知分位数估计有关。在过去的几年里，需要扩展 QR 对独立数据的能力以处理集群抽样设计（例如，重复测量），这导致了几种截然不同的方法。在这里，我考虑基于似然的方法，该方法取决于与条件 QR 模型相关的加权 L₁ 范数问题与非对称拉普拉斯分布之间的严格关系（Geraci 和 Bottai，2007 年）。

在本演示文稿中，我将说明使用 R 包 lqmm 对两级嵌套模型执行具有混合（固定和随机）效果的 QR。固定回归系数和随机效应协方差矩阵的估计是基于高斯正交近似和优化算法的组合。前者包括分别用于正态和双指数（即对称拉普拉斯）随机效应的 Gauss-Hermite 和 Gauss-Laguerre 求积；后者包括修改后的罗盘搜索算法和通用优化器（优化和优化）。Geraci 和 Bottai (2011) 中详细介绍了建模和推理问题（可根据要求提供初稿）。该软件包还提供了针对独立数据情况的命令。

一个人能在多大程度上回答你的问题取决于你想进行什么样的研究。Roger Koenker 在纵向或面板数据的分位数回归方面做了一些工作。Roger 的网站上提供了一些细节、一篇论文和一组早期的 R 代码。

请注意该网页上的消息，即现在可以更轻松地使用qrss()quantreg 包中的论文中讨论的方法，使用 lasso 惩罚来缩小固定效果。

我已经向 CRAN 上传了一个名为 qrLMM 的包，可在此处获得

http://cran.r-project.org/web/packages/qrLMM/index.html

它完全符合您的要求，并且在即将提交的论文中，我们证明我们在所有情况下都比来自 Geraci（2014）的包 lqmm 获得了更好的估计（更低的比值和标准误差）。我希望它对未来的一些研究有用。