本文将Baltagi等人(2018)的工作扩展到流行的动态面板数据模型。我们研究了贝叶斯面板数据模型对先验分布可能的错误规范的鲁棒性。所提出的健壮贝叶斯方法在两个方面偏离了标准贝叶斯框架。首先，我们考虑模型参数以及个别影响的先验分布的Î μ -污染类。其次，碱基诱发先验和Î μ -污染先验都使用Zellner(1986)的g-先验作为方差-协方差矩阵。我们为广泛的规范提出了一个通用的“工具箱”，其中包括具有随机效应的动态面板模型，具有交叉相关效应Ã la Chamberlain，用于Hausman-Taylor世界和具有均匀/异质斜率和截面依赖的动态面板数据模型。利用蒙特卡罗模拟研究，我们比较了我们所提出的估计量的有限样本性质与那些标准的经典估计量。本文对动态面板数据文献做出了贡献，提出了一个通用的鲁棒贝叶斯框架，其中包含了常规频率论规范及其相关的估计方法作为特殊情况。