回归用于量化响应变量与一些协变量之间的关系。标准平均回归是多十年来应用研究中最重要的统计方法之一。标准平均回归旨在估计考虑到协变量的响应变量的条件期望。但是，它对数据的非正规错误和异常值并不强大。定量回归已成为标准平均回归的有用补充剂。它对观测中的异常值具有强大的稳健性，并且对错误分布的假设非常最小，因此能够适应非正规错误。它提供比标准平均回归更完整的统计模型，现在具有广泛的应用程序。在经济学，生态学，教育，金融，生存分析，微阵列研究，增长图表等的许多科学主题中，“超越标准平均回归”的价值已被说明。此外，对量子的推断可以容纳兴趣结果的转变，而没有标准平均回归的问题。最近近来兴趣的贝叶斯回归模型以及这些模型的应用。 In these approaches, uncertain parameters are assigned prior distributions based on expert judgment and updated using observations through the Bayes formula to obtain updated posterior probability distributions.

这一特别问题旨在突出质量论文，提出在定量回归中建模和应用的进步。

潜在主题包括但不限于以下内容：

• 定量回归模型和估计
• 使用数据增强的贝叶斯分位数回归
• Gibbs对贝叶斯分位数回归的采样方法
• 贝叶斯分位数回归的后级一致性
• 数位数回归的新方法
• 模型选择
• 非参数定量估计数
• 面板数据量码回归模型
• 审查量级回归模型
• 二进制和序数量回归模型
• 多变量量子回归
• 单级或多索引量级回归