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说明的鲁棒性。提出的鲁棒贝叶斯方法在两个方面背离了标准贝叶斯框架。首先，我们考虑模型参数和个体效应的先验分布的Î μ -污染类。其次，基引先验和ε-污染先验都使用Zellner(1986)的g-先验作为方差-协方差矩阵。我们提出了一个通用的“工具箱”，用于广泛的规范，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à la Chamberlain，用于Hausman-Taylor世界和具有均匀/异质斜率和截面依赖性的动态面板数据模型。利用蒙特卡洛模拟研究，我们比较了我们提出的估计量和标准经典估计量的夜间样本性质。本文提出了一个通用的鲁棒贝叶斯框架，该框架将传统的频率函数规范和相关的估计方法作为特例，为动态面板数据文献做出了贡献。