Theo các nghiên cứu so sánh giữa hai mô hình FEM và REM, một số lưu ý đã được rút ra. Nếu T (số thời đoạn của dữ liệu chuỗi thời gian) lớn và I (số đơn vị theo không gian) nhỏ, giá trị của các thông số ước lượng bằng FEM và REM có thể sẽ không khác nhau nhiều. Vì thế, việc chọn lựa ở đây dựa vào sự thuận tiện trong tính toán. Về điểm này, FEM có thể đáng ưa chuộng hơn. Còn khi I lớn và T nhỏ, các giá trị ước lượng thu được bằng hai phương pháp có thể khác nhau đáng kể. Nếu nghiên cứu giả định rằng εi và các biến X không tương quan, thì REM có thể phù hợp, trong khi nếu εi và các biến X tương quan, thì FEM lại có thể thích hợp hơn.
Sau khi sử dụng phương pháp hồi quy với tác động cố định (FEM – Fixed effects model) và tác động ngẫu nhiên (REM – Random effects model). Tác giả nhận được hai mô hình hồi quy với những hệ số tác động khác nhau và thực hiện lựa chọn phương pháp phù hợp nhất bằng kiểm định Hausman. Kết quả kiểm định Hausman trên phần mềm Stata cho giá trị Prob < 0.05 thì phương pháp FEM được lựa chọn, còn ngược lại thì phương pháp REM được lựa chọn.
KẾT LUẬN CHƯƠNG 3
Nội dung chương 3 nghiên cứu đã trình bày về phương pháp nghiên cứu mô hình các nhân tố cũng như cùng bộ dữ liệu bảng khá chi tiết về 32 ngân hàng trong 23 năm. Mô hình được đề xuất gồm biến phụ thuộc là tỷ lệ thu nhập ngoài lãi trên tổng tài sản (NIITA) cùng 11 biến độc lập bên trong ngân hàng được dự đoán là có mối liên hệ với biến độc lập qua 11 giả thuyết nghiên cứu được đưa ra. Dựa vào phương pháp và mô hình đưa ra, nghiên cứu đã tiến hành thu thập dữ liệu và hồi quy mô hình bằng thực nghiệm tại Việt Nam và kết quả được trình bày cụ thể trong chương tiếp theo.
CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU