变系数模型是线性回归模型的一种推广,相较于常系数模型而言,变系数模型包含可变系数,因此具有更好的灵活性和可解释性.由于分位数回归方法可以完整地刻画响应变量在各个分位点的变化情况,与常规的均值回归方法相比,变系数分位数回归模型(varying coefficient quantile regression models)能够对响应分布进行更加完整地描述.基于以上优点,近年来,变系数分位数回归模型被广泛地应用到与动态模式相关的众多科学领域中,并逐渐成为重要的统计模型之一.本文主要研究变系数分位数回归模型的后选择推断问题.首先,利用B样条方法对该模型的可变系数进行近似,以有效地避免“维数灾难”等问题.其次,基于变系数分位数回归模型变量选择的结果,将去偏估计理论推广到变系数分位数回归模型中,得到基于去偏估计理论的估计量,称此为去偏估计量(de-biased estimator).再次,推导出该模型可变系数去偏估计量的一致Bahadur表示形式,并且在一定的正则条件下,证明该估计量的Bahadur表示形式对任意分位点及可变系数参数值均具有一致性,同时得出其渐近收敛到布朗桥过程.基于此结论,我们进一步构造了变系数分位数回归模型系数函数在固定点的区间估计量,并在理论上保证其覆盖率.最后,通过数值模拟和实证数据分析得到了有效样本属性,同时也为理论结果提供了支撑.