Answers:
我会对7篇Chernozhukov和Hansen IVQR的论文感兴趣。2005年的论文经常被引用。它们还提供指向MATLAB，OX和Stata中的数据和代码的链接。
该文献中另一篇经常被引用的论文是Abadie，Angrist和Imbens（2002）。
Frolich和Melly（2010）和Kwak（2010）也值得一试，尤其是使用Stata时。两者都提供代码。
即使这个问题已经有了公认的答案，我想我仍然可以为此做出贡献。Koenker（2005）的书确实不会让您走得太远，因为IV分位数回归的发展在那时开始回升。
早期的IV分位数回归技术包括Chesher（2003）的因果链框架，该框架在Ma和Koenker（2006）的加权平均偏差法（WAD）中得到了进一步发展。在本文中，他们还介绍了控制变量方法。Lee（2007）使用了类似的想法，他使用控制函数推导了IV分位数回归估计量。
所有这些估计器都使用了一个为识别所必需的假定三角误差结构。问题在于，这种三角形结构对于同时发生的内生性问题是难以置信的。例如，您不能将这些估计器用于供需估计问题。
Dimitriy V. Masterov提到的Abadie，Angrist和Imbens（2002）的估计量假设您同时具有二元内生变量和二元工具。通常，这是一个非常严格的框架，但是它将LATE方法从线性回归IV扩展到了分位数回归。这很好，因为许多研究人员（尤其是经济学家）熟悉LATE概念和所得系数的解释。
Chernozhukov和Hansen（2005）的开创性论文真正开始了这一文学，这两个家伙在这一领域做了很多工作。IV分位数回归估计器（IVQR）在分位数上下文中提供了与2SLS估计器的自然链接。正如Dimitriy所指出的那样，他们的估算器是通过Matlab或Ox实现的，但是您会忘记Kwak（2010）的论文。本文从未发表到Stata期刊上，而且他的代码无法正常运行。我认为他放弃了这个项目。
相反，您应该考虑Kaplan和Sun（2012）的平滑估计方程IVQR（SEE-IVQR）估计器。这是最新的估算器，它在计算速度（避免繁琐的网格搜索算法）和均方误差方面比原始IVQR估算器有所改进。Matlab代码在这里可用。
Frölich和Melly（2010）的论文很好，因为它考虑了条件分位数回归与无条件分位数回归之间的差异。通常，分位数回归的问题在于，一旦在回归中包含协变量，解释就会改变。在OLS中，您始终可以通过迭代期望定律从有条件期望到无条件期望，但是对于分位数，则不可用。Firpo（2007）和Firpo等人首先展示了这个问题。（2009年）。为了使条件分位数回归系数边缘化，他使用了重新居中的影响函数，以便可以将其解释为通常的OLS系数。就您的目的而言，此估算器无济于事，因为它仅允许外生变量。如果您有兴趣，Nicole Fortin可以在她的网站上提供Stata代码。
我所知道的最新的无条件IV分位数回归估算器是Powell（2013）提出的。他的广义（IV）分位数回归估计器使您可以估计存在内生性的边际分位数处理效果。他还在RAND网站上的某个地方也提供了他的Stata代码，但是我暂时找不到。自从您问了这个问题：在较早的论文中，他已在面板数据上下文中实现了此估算器（请参阅Powell，2012年）。此估算器很棒，因为与所有先前的面板数据QR方法不同，该估算器不依赖大的T渐近线（您通常没有，至少在微计量经济学数据中没有）。
最后但并非最不重要的一点是，一个更加奇特的变体：由Chernozhukov等人检查的IVQR估计量（CQIV）。（2011年）允许照顾审查数据-顾名思义。它是Chernozhukov和Hong（2003）对论文的扩展，我不予链接，因为它不是针对IV上下文的。此估算器的计算量很大，但是如果您检查了数据并且没有其他处理方法，这就是可行的方法。阿曼达·科瓦尔斯基（Amanda Kowalski）已在她的网站上发布了Stata代码，也可以从RePEc下载。此估计量（顺便说一下，还有IVQR和SEE-IVQR）假定您具有连续的内生变量。我在收入回归的背景下使用了这些估计量，其中教育是我的内生变量，取值介于18到20之间，因此不是完全连续的。但是在模拟练习中，我总是可以证明这不是问题。但是，这可能取决于应用程序，因此，如果您决定使用此功能，请仔细检查。
新版《分位数回归手册》就这些主题有两章非常出色：