本文开发了一种贝叶斯方法，用于在相关随机效应存在的情况下估计具有二元结果的面板分位数回归。利用非对称拉普拉斯(AL)误差分布构造工作似然，并将其与合适的先验分布相结合，得到完整的关节后验分布。对于后证推理，我们提出了两种马尔可夫链蒙特卡罗(MCMC)算法，但更倾向于利用阻塞过程在MCMC图中产生较低的自相关性的算法。我们还解释了如何使用MCMC图来计算边际效应、相对风险和优势比。我们的首选算法的性能在多个仿真研究中得到了证明，并表现得非常好。此外，我们实施了提议的框架来研究加拿大魁北克省的犯罪累犯，使用来自行政矫正档案的新数据。我们的研究结果表明，加拿大政府最近实施的“严厉打击犯罪”政策在很大程度上成功地降低了政策后时期重复犯罪的概率。此外，我们的研究结果支持了现有的关于犯罪再犯的研究结果，并在各个分位数上提供了新的见解。