研究表明，正则化（例如套索）在分位数回归中可以有效提高预测精度（Li和Zhu，2008；Wu和Liu，2009）。本文从贝叶斯的角度研究分位数回归中的正则化问题。通过提出一个层次模型框架，我们对一组正则化方法进行了通用处理，包括套索、群套索和弹性网惩罚。吉布斯采样器适用于所有情况。这是首次用群拉索罚函数和弹性网罚函数讨论正则分位数回归。模拟和实际数据的例子都表明，贝叶斯正则化分位数回归方法通常优于没有正则化的分位数回归方法和有正则化的非贝叶斯方法。