یک روش مناسب در برازش مدل‌های رگرسیونی با هدف افزایش انعطاف‌پذیری بیشتر مدل در تحلیل انواع داده‌ها با ساختار پخش غیرنرمال، استفاده از کلاس توزیع‌های آمیخته- مقیاس نرمال است. ساختار این خانواده بر پایه نمایش سلسله‌مراتبی تصادفی است که در آن توزیع آمیختگی نقش اساسی را در ویژگی‌های خاص آماری این توزیع‌های آمیخته ایفا می‌کند. این نمایش منجر به استفاده ساده‌تر و کاربرد بهتر این توزیع‌ها در برازش مدل‌های پیچیده توسط رهیافت بیز خواهد شد. ما در این مقاله خانواده توزیع آمیخته-مقیاس نرمال و توزیع‌های منتج از آن را در برازش مدل‌های پانلی به منظور انجام تحلیل‌های مقاوم‌تر داده‌های وابسته معرفی می‌کنیم. همچنین توزیع‌های پسین شرطی کامل موردنیاز جهت برآورد پارامترها با روش الگوریتم نمونه‌گیری گیبز را به دست می‌آوریم. در ادامه، مدل‌های معرفی شده را در تحلیل داده‌های بورس اوراق بهادار تهران بکار برده و با معیارهای انتخاب مدل آنها را مقایسه می‌کنیم.

مدل‌های داده‌های پانلی پویا قسمت مهمی از مطالعات حوزه‌های پزشکی، اجتماعی و اقتصادی را شامل می‌شوند.

ویژگی بارز این مدل‌ها وجود متغیر وابستۀ تأخیری به‌عنوان متغیر توصیفی است. مشکل برآورد در این مدل‌ها از همبستگی بین متغیر وابستۀ تأخیری و مؤلفۀ‌ خطای فعلی ناشی می‌شود. اخیراً رگرسیون چندکی تاوانیده برای تحلیل داده‌های پانلی پویا مورد توجه قرار گرفته است. در این مقاله نخست مدل رگرسیون چندکی با ایجاد تاوان لاسو سازوار روی اثر‌های تصادفی برای داده‌های پانلی پویا با فرض وابستگی اثر‌های تصادفی و مشاهدات اولیه ارائه می‌شود. همچنین این مدل با فرض استقلال بین اثر‌های تصادفی و مشاهدات اولیه نیز بررسی خواهد شد. هر دو مدل از دیدگاه آمار بیزی بیان شده، مورد تحلیل قرار می‌گیرند. چون در این دو روش، توزیع‌ پسین پارامترها به شکل بسته قابل حصول نیست، توزیع‌های پسین شرطی کامل پارامترها محاسبه و از الگوریتم نمونه‌گیری گیبز برای استنباط استفاده می‌شود. برای مقایسۀ کارایی روش‌های بیزی ارائه‌شده با روش‌های متداول، مطالعۀ شبیه‌سازی انجام شده و در پایان نیز روش استفاده از مدل‌ها در قالب مثال کاربردی شرح داده خواهد شد.