近年來，基于懲罰似然法的變量選擇引起了人們的廣泛關注。 基于非對稱拉普拉斯分布的吉布斯采樣算法，本文從貝葉斯的角度考慮了自適應拉索和拉索罰分的分位數回歸。 在非貝葉斯和貝葉斯框架下，針對具有不同分布和異方差的誤差項，系統比較了幾種正則化分位數回歸方法。 在不對稱拉普拉斯分布的誤差項下，統計仿真結果表明，貝葉斯正則化分位數回歸在所有分位數上均優于其他分布。 并且基于非對稱拉普拉斯分布，貝葉斯正則化分位數回歸方法在參數估計和預測方面要比非貝葉斯方法更好。 通過實際數據分析，我們也證實了以上結論。