本文利用ε-污染为鲁棒线性静态面板数据模型开发了一个通用的贝叶斯框架。采用两步方法推导出系数和个体效应的条件型ii最大似然(ML-II)后验分布。ML-II后验密度是贝叶斯估计量在基先验和数据依赖的经验贝叶斯估计量下的加权平均。提出了两阶段和三阶段层次估计器，并通过一系列蒙特卡罗实验研究了它们的有限样本性能。这些包括标准随机效应以及mundlaktype, Chamberlain-type和Hausman-Taylor-type模型。仿真结果表明，该三阶段层次估计器具有较好的性能。在单一的理论框架内，我们的贝叶斯方法包含了各种规格，而传统方法需要对每种情况进行单独的估计。我们用收入和犯罪数据说明了我们的估计器相对于经典面板估计器的性能。