در‏ تحلیل سری های زمانی چندمتغیره پژوهشگران ممکن است با داده های گم شده مواجه باشند. داده های گم شده ممکن است متعلق به یک سری زمانی یا بیشتر از یک سری زمانی باشند. در این پژوهش فرض می کنیم که دو سری زمانی داریم که هر دو دارای داده های گم شده هستند. داده های گم شده که مورد بررسی قرار گرفته اند مربوط به مواردی است که متغیر (متغیرهای) مورد نظر در دوره ی زمانی تحت بررسی دارای مقدار بوده اند ولی به صورت فیزیکی مشاهده نشده اند. علاوه بر این فرض شده است که یک ارتباط پویا بین دو سری زمانی وجود دارد که می توان آن را با مدل های غیر خطی اتورگرسیو آستانه ای (‎‎‎‎tar‎)و اتورگرسیو آستانه ای با انتقال هموار (‎s‎‎‎‎tar‎) ‏ توصیف نمود. هدف‎‎ ما این است که در یک رویکرد بیزی با استفاده از روش های شبیه سازی زنجیر مارکوف مونت کارلو(‎‎mcmc‎)‎‏‎ و با فرض وجود ارتباط غیر خطی بین بارندگی و جریان روزانه ی رودخانه یک شیوه ی تحلیل سری های زمانی دومتغیره در حضور داده های گم شده با استفاده از دو مدل‎tar و ‎‎s‎‎‎‎tar ‎‎ را ارئه نماییم. تحلیل سری های زمانی محدود به شناسایی و براورد پارامترهای مدل ها در حضور داده های گم شده است. مقایسه ی برازش مدل ها با استفاده از معیارهای اطلاع ‎‎aic‎ و ‎‎bic ‎‏‎ انجام‎ گرفته است. در یک مطالعه ی تجربی مدل های ‎tar و‎s‎‎‎‎tar ‎‎ به سری های زمانی جریان رودخانه و بارندگی در ‏یک ناحیه ی جغرافیایی خاص از استان قزوین برازش شده است. نتایج نشان می دهد که در این مورد مدل ‎s‎tar ‎‎‎‎برازش شده دارای عملکرد بهتری نسبت به مدلtar‎‎‎‎ برازش شده است.