【摘要】本文讨论了含有随机效应的面板数据模型,通过引入条件Laplace先验,构造了一种新的贝叶斯Lasso分位回归法。与一般贝叶斯分位回归法不同,该方法能够更大程度地将模型中非重要的解释变量系数压缩至0,从而在估计系数的同时也起到变量选择的作用。利用积分恒等式,本文构造了一种易于实施的参数估计切片Gibbs抽样算法。模拟结果显示,模型含有较多变量时,新方法排除"噪声"变量的能力明显高于现有文献中的其他方法。本文最后对我国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。