摘 要 针对现有动态面板数据分析中存在偶发参数和没有考虑模型参数的不确定性风险问题，提出了基于Gibbs抽样算法的贝叶斯随机系数动态面板数据模型.假设初始值服从平稳分布，自回归系数服从Logit正态分布的条件下，设计了Markov链Monte Carlo数值计算程序，得到了模型参数的贝叶斯估计值.实证研究结果表明：基于Gibbs抽样方法的贝叶斯动态面板回归模型能有效地揭示跨截面滞后变量对响应变量的位置、尺度和形状的影响. 全文查看链接 　　此处yi=(yi1,yi2,…,yiT)’为截面i各个时刻的观察值序列，yi,－1=(yi0,yi1,…,yi,T－1)′为观察值的一阶滞后序列，Xi=(xi1,xi2,…,xiT)′为截面i的外生变量观察值序列，随机误差项ui=(ui1,ui2,…,uiT)′，且ui相互独立同分布.另外，式(1）可写为： 全文查看链接 　　（ⅳ）参数σ2i关于(ω1:N,,Δ－1)的后验条件分布为逆伽玛分布 全文查看链接 　　参考文献 全文查看链接