本文将Baltagi等人(2018,2021)的静态和动态污染论文扩展到动态时空模型。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，我们考虑模型参数和个体效应的先验分布的?污染类。其次，基诱导先验和?-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“toolboxâ€]，用于广泛的规范，其中包括具有随机效应的动态时空面板模型，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的动态面板数据模型。使用广泛的蒙特卡罗模拟研究，我们比较了我们提出的估计量的有限样本性质与那些标准的经典估计量。我们使用与Keane和Neal(2020)相同的数据来说明我们的鲁棒贝叶斯估计器。我们得到了气候变化对美国玉米生产者的短期和长期影响。