本文开发了一个广义贝叶斯框架，用于鲁棒线性静态面板数据模型的ε-污染。采用两步方法导出条件型最大似然(ML-II)后验分布的系数和个体效应。ML-II后验密度是基于先验的贝叶斯估计量和数据依赖的经验贝叶斯估计量的加权平均。建立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mundlak型、chamberlain型和hausman - taylor型模型。仿真结果表明，该方法具有较好的性能。在一个单一的理论框架内，我们的贝叶斯方法包含了各种规格，而传统方法需要对每个情况进行单独的估计。我们使用有关收入和犯罪的数据来说明我们的估计器相对于经典的面板估计器的性能。