Mô hình này c ng b t ngu n t ph ng trình h i quy đ n gi n c a mô hình POOL, do nh ng h n ch trong mô hình nh h ng c đ nh hay mô hình LSDV là vi c thêm vào mô hình các bi n gi có th làm gi m b c t do ho c x y ra đa c ng tuy n n u mô hình có nhi u bi n quan sát, đ c bi t n u có nh ng bi n ít thay đ i (ho c b t bi n) theo th i gian thì cách ti p c n LSDV không th nh n di n tác đ ng c a nh ng bi n s b t bi n theo th i gian nh v y. Ngoài ra, ph ng pháp này gi đnh uit tuân theo phân ph i chu n nên không lo i b đ c tr ng h p ph ng sai không đ ng nh t.
lo i b đ c nh ng nghi ng v s h ng nhi u uit ta s d ng cách ti p c n th hai g i là mô hình các thành ph n sai s (Error Components Model - ECM) hay mô hình nh h ng ng u nhiên(Random Effects Model - REM).
Ta vi t l i ph ng trình (2.2) trên:
Yit = 1i + 2X 2it + 3 X 3it +……+ kX kit + uit (2.2)
Thay vì xem 1i là c đnh, ta gi đnh đó là m t bi n ng u nhiên v i m t giá tr trung bình là 1 (không có ký hi u i đây). Và giá tr tung đ g c cho m t công ty riêng l có th đ c bi u th là:
1i = 1 + i v i i = 1, 2, …, N (2.7)
Trong đó i là s h ng sai s ng u nhiên v i m t giá tr trung bình b ng 0 và ph ng sai b ng 2
Thay ph ng trình (2.7) vào (2.2) ta có:
Trong đó: wi = i + uit
S h ng sai s k t h p bao g m hai thành ph n: i là thành ph n sai s theo không gian, hay theo các đ n v quan sát (công ty), và uit là thành ph n sai s theo không gian và chu i th i gian k t h p.
3. PH NG PHÁP NGHIÊN C U. 3.1. Ch n m u nghiên c u.