自从Koenker和Bassett在1978年提出了分位数回归的思想,弥补了普通最小二乘法在回归分析中的缺陷。它依据因变量的条件分位数对自变量进行回归,进而得到所有分位数下的回归模型。对于小样本问题,一般分位数回归方法很难保证估计量的优良统计性质,以及当目标函数非凸或不可导时,很难获得全局最优解。随着贝叶斯定理的推广,人们发现贝叶斯方法可以很好地估计小样本条件下的模型参数。2001年Yu和Moyeed等人首次提出了基于贝叶斯推理的分位数回归思想,并在当时吸引了很多研究者的兴趣。文章第二章主要阐述将贝叶斯推断应用到分位数回归模型之中。该方法的核心思想是:在分位数回归的基础之上,将分位数回归的最优解问题转化为一个非对称拉普拉斯密度(ALD)的似然函数的最大化。通过MCMC算法(本文抽样算法使用的是M-H抽样)模拟以后,可以得到参数的后验分布。在理论方法的基础上,对该方法进行了模拟和实证应用。在实证应用方面,首先选取了全国1926个县域的样本数据,并根据我国一般区域划分分为东部、中部和西部,分别分析了2005、2007和2009年东中西部的城乡差距与经济增长、金融发展的关系,验证了金融发展与城乡差距的倒“U”关系在我国样本县域经济中存在统计显著的证据,而Kuznets提出的经济增长与城乡差距的倒“U”假说在我国样本县域经济中存在统计不显著的证据。研究结果可以发现,在研究方法上,贝叶斯分位数回归具有更好的精确性和显著性,通过三年分区域的实证结果,得出了三个研究结论。文章的最后是结论部分,基于该方法的理论和实证,作总结性的陈述,尝试性指出未来的研究方向。