Trong bài nghiên cứu này, tác giả sử dụng phƣơng pháp nghiên cứu định lƣợng có kết hợp với phân tích định tính, kế thừa và dựa vào nghiên cứu thực nghiệm đã đƣợc đề cập trong nghiên cứu của Idowu Abiola và Awoyemi Samuel Olausi (2014). Đồng thời kết hợp sử dụng phƣơng pháp nghiên cứu thống kê mô tả, sử dụng phƣơng pháp định lƣợng thông qua chạy hồi quy mô hình theo các phƣơng pháp: PooL OLS (POOL), Mô hình tác động cố định FEM (Fixed effects model) và Mô hình tác động ngẫu nhiên REM (Random effects model). Và sử dụng một vài mô hình bổ sung khi dữ liệu gặp hiện tƣợng tự tƣơng quan và/hoặc hiện tƣợng phƣơng sai sai số thay đổi nhằm tăng tính hiệu quả cao cho mô hình nghiên cứu.
Mô hình hồi quy Pool – OLS: Hồi quy kết hợp tất cả các quan sát
Yit = α1 + β1X1it +...+ βkXkit + Uit Trong đó:
Yit: Biến phụ thuộc của quan sát i trong thời kỳ t X2it, X3it: Biến độc lập của quan sát i trong thời kỳ t
Với mỗi đơn vị chéo, εi là yếu tố không quan sát đƣợc và không thay đổi theo thời gian, nó đặc trƣng cho mỗi đơn vị chéo. Nếu εi tƣơng quan với bất kỳ biến Xt nào thì ƣớc lƣợng hồi quy từ hồi quy Y theo Xt sẽ bị ảnh hƣởng chéo bởi những nhân tố không đồng nhất không quan sát đƣợc. Thậm chí, nếu εi không tƣơng quan với bất kỳ một biến giải thích nào thì sự có mặt của nó cũng làm cho cho các ƣớc lƣợng OLS không hiệu quả và sai số tiêu chuẩn không có hiệu lực.
Mô hình này có nhƣợc điểm là: Ràng buộc quá chặt về các đơn vị chéo, điều này khó xảy ra trong thực tế.
Vì vậy, để khắc phúc các nhƣợc điểm gặp phải ở mô hình Pure Pooled OLS, mô hình FEM và REM đƣợc sử dụng.
Mô hình tác động cố định (FEM)
Với giả định mỗi đơn vị đều có những đặc điểm riêng biệt có thể ảnh hƣởng đến các biến giải thích, FEM phân tích mối tƣơng quan này giữa phần dƣ của mỗi đơn vị với các biến giải thích qua đó kiểm soát và tách ảnh hƣởng của các đặc điểm riêng biệt (không đổi theo thời gian) ra khỏi các biến giải thích để chúng ta có thể ƣớc lƣợng những ảnh hƣởng thực (net effects) của biến giải thích lên biến phụ thuộc.
Mô hình ƣớc lƣợng sử dụng: Yit = Ci + β Xit + Uit *
Trong đó
Yit : thời gian (năm). Xit : biến độc lập
Ci (i=1….n) : hệ số chặn cho từng đơn vị nghiên cứu. β : hệ số góc đối với nhân tố X.
Uit : phần dƣ.
Mô hình trên đã thêm vào chỉ số i cho hệ số chặn “c” để phân biệt hệ số chặn của từng doanh nghiệp khác nhau có thể khác nhau, sự khác biệt này có thể do đặc điểm khác nhau của từng doanh nghiệp hoặc do sự khác nhau trong chính sách quản lý, hoạt động của doanh nghiệp.
Mô hình tác động ngẫu nhiên (REM)
Điểm khác biệt giữa mô hình ảnh hƣởng ngẫu nhiên và mô hình ảnh hƣởng cố định đƣợc thể hiện ở sự biến động giữa các đơn vị. Nếu sự biến động giữa các đơn vị có tƣơng quan đến biến độc lập – biến giải thích trong mô hình ảnh hƣởng cố định thì trong mô hình ảnh hƣởng ngẫu nhiên sự biến động giữa các đơn vị đƣợc giả sử là ngẫu nhiên và không tƣơng quan đến các biến giải thích.
Chính vì vậy, nếu sự khác biệt giữa các đơn vị có ảnh hƣởng đến biến phụ thuộc thì REM sẽ thích hợp hơn so với FEM. Trong đó, phần dƣ của mỗi thực thể (không tƣơng quan với biến giải thích) đƣợc xem là một biến giải thích mới.