مدل­های رگرسیونی پویا با داده­های پانلی دارای کاربرد بسیاری در مطالعات اقتصادی و اجتماعی هستند. خصوصیت بارز این مدل­ها وجود متغیرهای تاخیری به عنوان متغیر تبیینی است. این ویژگی باعث اغتشاش در خواص برآوردها توسط روش­های معمول برآوردیابی خواهد شد. یک مسئله اساسی در مدل­سازی مشاهدات پانلی تغییرپذیری بین واحدهای آزمایشی است که به علت پیچیدگی محاسبات در استفاده از روش­های متداول برآوردیابی، اغلب این اثرات ثابت در نظر گرفته می­شوند. در این مقاله استنباط آماری پارامترهای مدل رگرسیونی پانلی پویا با اثرات ثابت و تصادفی با روش­های ماکسیمم درستنمایی و الگوریتم نمونه­گیری گیبز انجام می­شود. سپس این دو مدل را بر مجموعه­ای از داده­های اقتصادی مربوط به رگرسیون دارایی­ها و بدهی­های بانکی در ایران برازش داده و نتایج مورد تحلیل قرار می­گیرند.

مدل‌های رگرسیونی ناپارامتری و نیمه‌پارامتری در زمینه‌ داده‌های مستقل توسعه چشمگیری پیداکرده‌اند، اما رشد آن‌ها در زمینه داده‌های طولی، محدود به چند سال اخیر است. از آنجا که روش‌های رگرسیونی معمول برای داد‌ه‌های همبسته نسبت به داده‌های مستقل توانایی کمتری دارند، باید از مدل‌هایی استفاده شود، که همبستگی بین داده‌ها را نیز در نظر بگیرند. در این میان مدل‌های آمیخته و حاشیه‌ای که عامل همبستگی بین داده‌ها را نیز در نظر می‌گیرند، مدل‌هایی هستند که برای برازش داده‌های طولی مورد استفاده قرار می‌گیرند. همچنین با توجه به انعطاف‌پذیری مدل‌های نیمه‌پارامتری نسبت به مدل‌های پارامتری و ناپارامتری، مدل رگرسیون نیمه‌پارامتری طولی حاشیه‌ای با برآوردهای اسپلاین تاوانیده مدل مناسبی برای تحلیل داده‌های طولی است. در این مقاله رگرسیون نیمه‌پارامتری با ضرایب متغیر که در آن ارتباط بین متغیر پاسخ و یک متغیر پیش‌بین بر مبنای متغیر پیش‌بین دیگر مشخص می‌شود، بررسی ‌شده است. همچنین استنباط بیزی برای مدل ناپارامتری روی‌داده‌های شبیه‌سازی ‌شده و برای مدل نیمه‌پارامتری طولی حاشیه‌ای روی ‌داده‌های واقعی، با نرم‌افزارهای استاندارد انجام ‌شده است که نشان‌دهنده‌ عملکرد قابل‌قبول این استنباط است.