Các dữ liệu thu thập được tập hợp dưới dạng dữ liệu bảng. Tuy nhiên do số liệu của mỗi ngân hàng chỉ trong vòng 10 năm, biến động số liệu giữa các ngân hàng rất lớn nên không thể dùng trực tiếp các số liệu của mẫu quan sát để đại diện cho tổng thể. Nguyên nhân chính là vì mỗi ngân hàng có quy mô tài sản, đặc điểm hoạt động kinh doanh khác nhau nên số liệu cũng mang tính đặc thù riêng của mỗi ngân hàng. Do đó, để giảm thiểu sự khác biệt giữa các ngân hàng (ngoại trừ những yếu tố định tính) và để tránh tác động phức tạp của quy mô tài sản lên biến phụ thuộc và các biến số khác trong mô hình có thể dẫn đến kết quả hồi quy thiếu chính xác, cho nên các số liệu định lượng
đều được chuyển hóa bằng cách chia cho tổng sản của ngân hàng tương ứng theo từng năm (normalized by total asset). Yếu tố tổng tài sản được tách ra xem xét riêng trong mô hình và được “làm trơn” bằng cách lấy logarith tự nhiên. Đây là những kỹ thuật chuyển hóa dữ liệu phổ biến được áp dụng trong nghiên cứu tương tự tại Việt Nam như Nguyễn Thị Thu Hiền và Phạm Đình Tuấn (2014) và các nghiên cứu trên thế giới như Ozili (2015), Caporale và ctg (2015), Leventis và ctg (2012), Perez và ctg (2006), Taktak và ctg (2010), Ahmed và ctg (1999)…
Như vậy, quá trình thu thập và mã hóa dữ liệu trải qua 4 bước:
Bước 1: thu thập các dữ liệu thô ban đầu từ các nguồn nêu trên, gồm có: Tổng dư nợ cho vay, Tổng tài sản, Vốn chủ sở hữu (thu thập từ bảng cân đối kế toán); Chi phí dự phòng rủi ro tín dụng, lợi nhuận trước thuế và dự phòng (thu thập từ bảng báo cáo kết quả kinh doanh); dư nợ xấu (gồm nhóm 3-5: thu thập từ thuyết minh báo cáo tài chính và báo cáo thường niên).
Bước 2: xử lý các thời điểm bị thiếu số liệu. Thông thường là số liệu của các năm đầu và cuối trong khoảng thời gian nghiên cứu, chẳng hạn như năm 2004 hoặc năm 2014. Bên cạnh đó số dư nợ xấu của một số ngân hàng không được công bố cụ thể trên thuyết minh báo cáo tài chính hoặc do các báo cáo từ ngân hàng cung cấp bị thiếu… thuyết minh báo cáo tài chính. Giải pháp chung được sử dụng trong các trường hợp như vậy là đối chứng nhiều nguồn tài liệu khác nhau từ ngân hàng, các báo cáo phân tích của các công ty chứng khoán và các đề tài luận văn có dẫn nguồn số liệu để có thể lấy được các dữ liệu còn thiếu. Trong một số trường hợp, phương pháp ước tính số liệu dựa trên xu hướng biến động trung bình qua các năm (có số liệu) được sử dụng khi việc thu thập số liệu từ các nguồn khác không đạt được kết quả.
Bước 3: tính toán các số liệu cho các biến phụ thuộc và biến độc lập theo công thức đã được thiết lập từ dữ liệu thô thu thập được. Công thức tính cụ thể của từng biến số trong mô hình đã được nêu cụ thể trong bảng 3.1.
Bước 4: Kiểm tra các số liệu xem có sự sai sót hay bất thường hay không. Cách thức để kiểm tra là dựa vào việc xem xét giá trị cao nhất, thấp nhất của mỗi biến số. Các dữ liệu sau khi xem xét sẽ được tập hợp theo cấu trúc dữ liệu bảng để phục vụ cho việc thực hiện các kiểm định và ước lượng mô hình hồi quy.