分位回归方法通过解最优化问题来实现对变量样本分位数的估计,它可以刻画协变量对响应变量条件分布位置,尺度和形状的影响。与经典的最小二乘回归方法相比,分位回归方法不仅可以刻画响应变量的中心趋势,还可以刻画变量的尾部行为。因此,利用分位回归方法进行计量经济建模研究是近年来研究的热点。本文在贝叶斯理论框架下,主要对随机系数分位AR模型,马尔可夫转换随机系数分位AR模型,非参数傅立叶级数分位回归模型的构建,参数估计及其在中国经济增长问题中的应用进行了深入研究,并取得若干有意义的成果。针对许多经济变量分布的有偏性,厚尾性和多峰性等特点,提出了一类随机系数分位AR模型,并研究了模型的结构特征和异方差性；基于非对称Laplace分布构建了模型的似然函数,并给出了随机系数分位AR模型的贝叶斯推断及其M-H抽样算法。仿真分析结果表明,随机系数分位AR模型可以有效地刻画滞后变量对当前变量非对称性和局部持续性影响。随机系数分位AR模型假设协变量与响应变量之间的关系是线性的,但许多经济变量之间的关系是非线性的,这就要求用非线性模型来刻画支配数据的规律。考虑变点之间的相依性,利用马尔可夫链来刻画条件分位函数的变结构性,提出了一种马尔可夫转换随机系数分位AR模型；结合数据扩充技术,利用Gibbs抽样算法实现了模型的贝叶斯推断。仿真分析结果表明,马尔可夫转换随机系数分位AR模型可以有效的刻画不同概率水平下条件分位函数的变结构性。为了适应更复杂的经济管理问题,一个自然的选择就是非参数方法,即对模型形式不做任何假设,让数据自身搜索更适合自己的非线性形式。针对核估计方法和样条估计方法分别存在窗宽选择以及结点个数、结点位置选择的问题,提出了一种非参数分位回归模型的傅立叶正交估计方法；通过把非对称Laplace分布表示成指数分布和正态分布的线性组合,获得了条件分位函数后验估计量的解析表达形式；并研究了后验估计量的渐近性质,发现正交估计方法比核估计方法有更快的收敛速度。仿真分析结果表明,傅立叶级数可以有效地拟合条件分位曲线,并且其拟合效果比样条方法更优。在上述贝叶斯分位回归计量经济建模理论研究的基础上,结合经济增长理论分析了中国经济增长的波动特征和收敛性。研究结果表明,1971-2009年中国GDP增长率的分布具有有偏性和高峰厚尾性,且具有异方差性；从经济增长收敛性的角度来看,改革开放以来到大规模股份制改革前经济增长具有同质性而大规模股份制改革后经济增长具有异质性；从政策变量对经济增长影响的角度来看,物质资本存量,人力资本与经济增长之间表现出非线性的正相关关系,而经济增长与人口增长率之间呈非线性的负相关关系。对于人口增长率低的地区,经济增长与人口增长率成正比,而对于人口增长率高的地区,经济增长与人口增长率成反比。