线性模型的理论是基于条件数学期望下的非常重要的经典理论。然而在很多实际应用中，超出这些经典的理论应用外，我们仍然需要得到很多有用的信息。相对于线性与非线性模型这些经典模型之外逐渐又出现了一个更全面的统计分析方法:分位数回归。为了得到参数的估计值，我们运用贝叶斯统计推断方法。简单来讲，贝叶斯统计推断方法与分位数回归相结合即为贝叶斯分位数回归。贝叶斯分位数回归需要用到基于非对称的拉普拉斯分布的似然函数。与数据的初始分布无关，在分位数回归中非对称的拉普拉斯分布的应用是非常自然并且有效的。假设未知参数是某个区间上的均匀分布可能得到一个合适的联合后验分布，但这种情况只适用于中位数回归。其它的分位数回归的情况，未知参数应与中位数回归的参数不同。分位数回归中未知参数的分布应与分位数有关，因此，研究贝叶斯分位数回归中遇到的一个问题就是怎样找到与分位数有关的先验分布。这篇文章中拓展了Zellner g-先验到Zellner A-g先验，得到一个相对效用比较好的与分位数有关的先验分布，并用MCMC方法实现得到我们所要的结果。