Bài nghiên cứu này sử dụng dữ liệu dạng bảng cân đối (balanced panel), là dạng dữ liệu gồm chiều không gian (các công ty) và thời gian (3 năm), là sự mở rộng của dữ liệu chéo theo chuỗi thời gian. Dữ liệu dạng này cung cấp thông tin nhiều hơn, biến thiên ít hơn, ít có hiện tượng đa cộng tuyến giữa các biến số và cho phép thực hiện những nghiên cứu về sự thay đổi và xu hướng. Do đó trong phần phân tích hồi quy, nghiên cứu này sẽ lần lượt đi qua cả ba mô hình là mô hình hồi quy tuyến tính thông thường – pure pooled OLS, mô hình hồi quy hiệu ứng ngẫu nhiên REM và mô hình hồi quy hiệu ứng cố định FEM để chọn mô hình thích hợp nhất. Để tìm hiểu xem mô hình hồi quy nào là phù hợp nhất trong ba phương pháp trên, tác giả sử dụng hai kiểm định là Likehood Ratio và kiểm định Hausman (Hausman, 1978).
Bước đầu tiên, tác giả kiểm tra bộ dữ liệu xem có phù hợp để thực hiện phân tích hồi quy hay không. Đó là công việc dò tìm sự vi phạm các giả định cần thiết trong phân tích hồi quy. Tác giả sẽ kiểm tra giả định phương sai của sai số không đổi, giả định không có sự tương quan giữa các phần dư, giả định không có hiện tượng đa cộng tuyến.
Sau đó, để tìm hiểu xem hồi quy theo phương pháp pooling thích hợp hơn hay phương pháp FEM thích hợp hơn. Kiểm định Likelihood với giả thiết H0: Hồi quy theo phương pháp pooling là thích hợp hơn (hay nói cách khác là hệ số chặn giống nhau giữa các công ty nghiên cứu). Nếu hệ số T-statistic của Likelihood test đủ lớn để bác bỏ H0, thì mô hình theo phương pháp FEM thích hợp hơn só với phương pháp pooling.
Thứ hai, để kiểm tra hồi quy theo mô hình nào phù hợp hơn giữa phương pháp REM (hiệu ứng ngẫu nhiên) và FEM (hiệu ứng cố định), tác giả sử dụng kiểm định Hausman, với giả thiết H0: Hồi quy theo phương pháp hiệu ứng ngẫu nhiên phù hợp hơn (hay nói cách khác là không có tương quan giữa biến giải thích và thành phần ngẫu nhiên). Nếu giá trị p của Chi-bình phương trong kiểm định Hausman cho phép bác bỏ H0, thì mô hình hồi quy theo phương pháp FEM phù hợp hơn so với mô hình REM.