本文将Baltagi等人(2018)的工作扩展到流行的动态面板数据模型。我们研究贝叶斯面板数据模型对可能的先验分布误用的稳健性。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，我们考虑了模型参数和单个效应的ε-污染先验分布。其次，基诱发先验和ε-污染先验都使用Zellner(1986)的g-先验对方差-协方差矩阵。我们提出一个通用的“工具箱”各种规格包括随机效应的动态面板模型,阐述影响la张伯伦,Hausman-Taylor世界和动态面板数据模型与均匀/异构斜坡和代表性的依赖。通过蒙特卡罗模拟研究，我们比较了我们所提出的估计量和标准经典估计量的样本性质。本文提出了一个广义鲁棒贝叶斯框架，该框架包括了传统的频率规范及其相关的估计方法，作为特殊情况，为动态面板数据文献做出了贡献。