本文开发了一种贝叶斯方法，用于在存在相关随机效应的情况下，估计具有二进制结果的面板分位数回归。我们利用不对称拉普拉斯误差分布构造一个工作似然分布，并将其与适当的先验分布相结合，得到完整的联合后验分布。对于后验推理，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产生较低的MCMC绘制自相关的算法。我们还解释了如何使用MCMC绘图来计算边际效应，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，我们将提出的框架应用于加拿大魁北克省的犯罪再犯研究，使用来自行政矫正档案的新数据。我们的结果表明，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的重复犯罪概率。此外，我们的结果支持了现有的研究结果，并在不同的分位数提供了新的见解。