自从Koenker和Bassett在1978年提出分位数回归后,分位数回归已经成为研究因变量条件分布的重要方法,它在经典的均值回归的基础上作了扩展研究,补足了经典回归的局限之处。分位数回归不需要对分布做强制性的假设,不仅能够度量自变量对因变量分布中心的影响,也能够度量对其尾部的影响,能够较全面的反映所研究问题包含的信息。同时分位数回归具有较好的稳健性,不受离群值的影响,因此在经济、金融等领域应用广泛。由于传统的分位数回归在进行参数估计时在计算上存在不足,且当样本量很小时,分位数回归的优良性质较难显现,故本文在传统的分位数回归的基础上,采用贝叶斯方法进行统计推断。本文由四部分组成,第一部分为绪论部分,主要介绍了贝叶斯分位数回归的研究背景和研究意义,描述了它的发展历程以及国内外目前在这方面的研究成果,并对本文的主要研究内容进行描述。第二部分主要介绍了传统的分位数回归的基本理论知识,从分位数,损失函数引入,给出分位数回归的参数估计方程,并简要介绍分位数回归的传统估计算法及其优缺点。第三章系统的阐述了贝叶斯分位数回归的基本原理和估计方法,并对因变量为连续和离散两种情况下的贝叶斯分位数回归分别作了介绍。第四部分为实证部分,分别基于连续和离散两种情况作了对2016年辽宁省14个地级市的综合经济实力的研究和上市公司信用风险的研究。实证1结果显示该模型能够刻画不同分位水平下的城市的综合经济实力所受评价指标的影响情况,可以帮助各个城市根据自身的真实发展水平及时调整经济发展策略,提升综合经济实力,缩小发展差距。实证2结果显示贝叶斯分位数回归模型能够刻画财务指标对不同信用水平下的上市公司的的异质性影响,而且对于违约风险预测也有较好的效果,准确率、ROC曲线及AUC值显示拟合效果良好。