通过研究协变量与响应变量条件分位数之间的关系，分位数回归模型作为一种对经典线性回归模型的显著推广而出现。跟经典的线性回归模型相比，分位数回归不仅能处理响应变量的位置转移，而且能处理尺度变换。分位数回归能稳健地处理偏态的响应变量，也能灵活地反应协变量效应，因此它已经在复杂数据分析中表现出了极大地实用性。纵向数据、高维成分数据、复发事件数据、带有缺失类型的多类型复发事件数据和部分缺失的生存数据是五种常见的复杂数据类型。这几类复杂数据广泛存在于医学、流行病学、经济学等领域。本书将介绍这几类复杂数据的分位数回归模型或更广义的动态回归模型，也将介绍这些模型对应的统计推断方法、理论证明和实际应用。