Bayesian Dynamic Panel Data Model

Em um painel dinâmico, o resultado de hoje depende parcialmente do resultado de ontem (dependência de estado), bem como de covariáveis observadas e heterogeneidade não observada em nível de unidade. A abordagem bayesiana trata todos os parâmetros desconhecidos — o coeficiente autorregressivo, os coeficientes de inclinação e os componentes de variância — como variáveis aleatórias com distribuições a priori. Após observar os dados, essas a priori são atualizadas para produzir distribuições a posteriori. Isso é particularmente valioso em painéis com T curto, onde os estimadores GMM frequentistas sofrem de problemas de instrumentos fracos ou muitos instrumentos, porque a a priori pode regularizar a inferência sem exigir assíntotas de T grande.