Ta xét một mối quan hệ kinh tế với biến phụ thuộc Y và j biến giải thích quan sát được X1,…, Xj. Chúng ta có dữ liệu bảng cho Y, X1,…, Xj. Dữ liệu bảng bao gồm N đối tượng và T thời điểm, vì vậy chúng ta sẽ có NxT quan sát. Mô hình hồi quy tuyến tính cổ điển có dạng như sau:
i 1,2,3,…,N
t 1,2,3,…,T
: 1 x j véc tơ của các quan sát với j biến giải thích cho công ty thứ i và thời điểm thứ t.
Một cách tiếp cận đơn giản nhất đối với mô hình ở phương trình (3.1) là mô hình hồi quy gộp (pooled OLS model). Mô hình hồi quy gộp là mô hình hồi quy mà trong đó tất cả các hệ số đều không đổi theo thời gian và cá nhân. Ta bỏ qua bình diện không gian và thời gian của dữ liệu kết hợp và chỉ ước lượng hồi quy theo OLS thông thường.
Hạn chế của mô hình pooled OLS là trị thống kê Durbin Watson ước lượng khá thấp, cho thấy khả năng xảy ra hiện tượng tự tương quan trong dữ liệu. Và như ta đã biết, giá trị Durbin Watson thấp cũng có thể là do sai số đặc trưng của mô hình. Mô hình Pooled OLS dựa trên giả định rằng tung độ gốc của N đối tượng là như nhau và hệ số dốc của các biến số X là hoàn toàn hệt giống hệt nhau đối với tất cả các đối tượng. Rõ ràng các giả định này trong thực tế là hết sức hạn chế. Do đó, bất chấp tính đơn giản, mô hình hồi quy gộp có thể phản ánh sai lệch mối quan hệ giữa Y và X. Và các phần tiếp theo sau đây sẽ đưa ra giải pháp để khắc phục hạn chế này.