یکی از مسائل مهم پیش بینی وضع آینده سیستم یا فرایندهایی است که با گذشت زمان در حال تغییرند. در چنین شرایطی علاوه بر متغیرها امکان دارد پارامترها نیز در حال تغییر باشند و از این رو فرض استقلال برای پارامترها و متغیرها از بین می رود. برای تحلیل چنین سیستمی معمولا از مدل های خطی پویای تعمیم یافته استفاده می شود. هدف این مقاله، به کارگیری مدل های خطی پویای تعمیم یافته بیزی در تحلیل ساختارهای گسسته غیرمزدوج بر پایه الگوریتم مونت کارلوی زنجیر مارکوفی است. پس از ارائه مبانی نظری موضوع، با بهره گیری از مدلی که پارامترهای پویای آن از فرایند اتورگرسیو پیروی می کند و ابزارهای سودمندی که مدل های خطی پویای تعمیم یافته بیزی در اختیار ما قرار می دهند، به تحلیل فعالیت اقتصادی طی سال های 1385 تا 1387 در سه استان کشور پرداخته می شود.

 به کارگیری متغیرهای کمکی برای اصلاح برآوردگرها روشی متداول در آمار و به خصوص بررسی های نمونه ای است. به عنوان مثال می توان به برآوردگرهای نسبتی و رگرسیونی در نمونه گیری اشاره کرد. با فرض معلوم بودن مجموع جامعه کمکی و برقرار بودن یک سری شرایط، برآوردگرهای کالیبره و واریانس آنها را می توان با استفاده از برآوردگرهای رگرسیونی تعمیم یافته به دست آورد. در این مقاله، با فرض نامعلوم بودن مجموع متغیر کمکی در جامعه، برآوردگر کل و واریانس آن در جامعه هدف با روش رگرسیون تعمیم یافته به دست آورده می شود. سپس نشان داده می شود برآوردگر ارائه شده برای مجموع کل جامعه از نظر کارایی بهتر از برآوردگر هورویتز تامپسون است. آنگاه نظریه به دست آمده با شبیه سازی به روش مونت کارلو زنجیر مارکوفی در طرح نمونه گیری طبقه بندی مورد بررسی قرار می گیرد.