本文发展了一种贝叶斯方法，用于估计具有相关随机效应的二元结果的面板分位数回归。利用非对称拉普拉斯误差分布构造工作似然，并与合适的先验分布结合得到完整的关节后验分布。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在MCMC绘制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，并且表现得非常好。在此基础上，我们利用来自加拿大魁北克省行政矫正档案的新数据，将所提出的框架应用于研究加拿大魁北克省的犯罪累犯。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减少了政策后时期重复犯罪的可能性。此外，我们的研究结果支持了现有的关于犯罪累犯的研究结果，并在不同的分位数上提供了新的见解。