Theo Gujarati (2004), mô hình phân tích hồi quy dựa trên dữ liê ̣u bàng mang cả hai yếu tố không gian ký hiê ̣u là i, và thời gian ký hiê ̣u là t. Viê ̣c ước lượng phu ̣ thuô ̣c vào các giả đi ̣nh về tung đô ̣ gốc, các hê ̣ số đô ̣ dốc và số ha ̣ng sai số. Tuy nhiên, trong nghiên cứu này ta giả đi ̣nh chỉ xét tung đô ̣ gốc thay đổi
theo đơn vi ̣ không gian (cố đi ̣nh theo thời gian) và hê ̣ số đô ̣ dốc thì không thay đổi theo không gian và thời gian cho cả 3 loa ̣i mô hình phổ biến trong phân tích sử du ̣ng số liê ̣u bảng là mô hình hê ̣ số không thay đổi (Pooled OLS), mô hình hiệu ứng cố đi ̣nh (FEM) và mô hình hiê ̣u ứng ngẫu nhiên (REM).
Mô hình hê ̣ số không thay đổi (Constant coefficients model): mô hình này có các hê ̣ số không biến đổi. Trong bối cảnh không tồn ta ̣i những hiê ̣u ứng đă ̣c thù theo không gian hay thời gian thì chúng ta có thể gô ̣p chung toàn bô ̣ số liê ̣u chéo và chuỗi thời gian rồi cha ̣y mô hình hồi quy bằng phương pháp bình phương nhỏ nhất thông thường (OLS) hay còn được go ̣i là mô hình hồi quy gô ̣p (Pooled OLS). Tuy nhiên, trong thực tế, viê ̣c đồng nhất hiê ̣u ứng đă ̣c thù theo không gian và thời gian là điều không thể. Vì mỗi không gian sẽ có đă ̣c thù riêng và có thể thay đổi theo thời gian. Vì vâ ̣y, trong mô hình Pooled OLS rất dễ vi phạm các giả đi ̣nh về mô hình hồi quy cổ điển nhưng hiê ̣n tượng tự tương quan, phương sai thay đổi và đa cô ̣ng tuyến.
Mô hình hiê ̣u ứng cố đi ̣nh (FEM): mô hình này có tung đô ̣ gốc biến đổi theo đơn vi ̣ không gian (không đổi theo thời gian). Vì vâ ̣y, người ta thường dùng biến giả để thay thế cho các biến bi ̣ bỏ qua, nhằm nắm bắt những đă ̣c điểm riêng biệt theo không gian của các quan sát nên mô hình này còn được go ̣i là mô hình biến giả bình phương nhỏ nhất. Trong đó, tung đô ̣ gốc là giá tri ̣ trung bình của tất cả các tung đô ̣ gốc theo đơn vi ̣ không gian và ha ̣ng sai số theo không gian và chuỗi thời gian kết hợp. Với mô hình biến giả bình phương nhỏ nhất, do đưa vào nhiều biến giả sẽ làm giảm số bâ ̣c tự do, có khả năng xảy ra đa cộng tuyến và mô hình FEM la ̣i không đo lường những yếu tố không đổi theo thờ i gian.
Mô hình hiê ̣u ứng ngẫu nhiên (REM): mô hình này với tung đô ̣ gốc ngẫu nhiên. Kết quả ngẫu nhiên này là tổng của mô ̣t giá tri ̣ trung bình và sai số ngẫu nhiên đă ̣c trưng cho từng đơn vi ̣ không gian.
Vớ i hai mô hình hiê ̣u ứng cố đi ̣nh (FEM) và mô hình hiê ̣u ứng ngẫu nhiên (REM), việc lựa cho ̣n có thể dựa trên số thời đoa ̣n của dữ liê ̣u thời gian và số đơn vi ̣ theo không gian. Trường hợp thứ nhất, nếu sai số ngẫu nhiên và mô ̣t hay nhiều biến tương quan nhau thì mô hình FEM phù hợp. Trường hợp thứ hai, nếu số đoa ̣n của dữ liê ̣u thời gian lớn, số đơn vi ̣ theo không gian nhỏ, thì các giá trị ước lượng của cả hai mô hình có thể không khác nhau. Vì thế, viê ̣c lựa cho ̣n ở đây dựa vào sự thuâ ̣n tiê ̣n trong tính toán. Trường hợp thứ ba, ngược la ̣i, nếu số đoa ̣n của dữ liê ̣u thời gian nhỏ, số đơn vi ̣ theo không gian lớn thì các giá tri ̣ ước lượng thu được khác nhau đáng kể. Trong trường hợp này, mô hình FEM phù hợp. Trường hợp cuối cùng, nếu số đoa ̣n của dữ liê ̣u thời gian nhỏ, số đơn vị theo không gian nhỏ và các điều kiê ̣n trong mô hình REM thỏa thì ước lượng theo mô hình REM sẽ hiê ̣u quả hơn mô hình FEM. Ngoài ra, còn mô ̣t kiểm đi ̣nh sẽ giúp cho ̣n lựa mô hình phù hợp với nghiên cứu là kiểm đi ̣nh Hausman.
Ngoài ba phương pháp Pooled OLS, FEM và REM, phương pháp GMM cũng là mô ̣t phương pháp thống kê cho phép kết hợp các dữ liê ̣u kinh tế quan sát được trong các điều kiê ̣n tổng thể để ước lượng các tham số chưa biết của các mô hình kinh tế. Phương pháp GMM được xây dựng bởi Lars Peter Hansen vào năm 1982. Phương pháp GMM cho phép ước lượng trường hợp số hàm dữ liệu thực nghiê ̣m nhiều hơn số tham số bằng cách sử du ̣ng ma trâ ̣n tro ̣ng số của các phương sai. Tuy nhiên, phương pháp GMM dựa trên ước lượng hợp lý cực đa ̣i nhưng phương pháp này cho phép giải quyết các bài toán mà ước lượng cực đa ̣i cổ điển chi ̣u bất lực. Vì vâ ̣y, các ước lượng phải có đủ các tính chất thống kê tốt như tính nhất quán, tính tiê ̣m câ ̣n phân phối chuẩn, và tính hiê ̣u quả. Ha ̣n chế thứ hai là những ước lượng sẽ gă ̣p vấn đề biến đa ̣i diê ̣n yếu khi các hê ̣ số tiến đến 1. Khi các hê ̣ số bằng 1, các biểu thức liên hê ̣ là hoàn toàn không có liên hệ gì với các tham số thực. Bản chất hành vi của các ước lượng phu ̣ thuô ̣c vào thời gian. Khi thời gian nhỏ, ước lượng là ngẫu nhiên nhưng khi thời gian lớ n thì phương pháp GMM ước lượng tro ̣ng số không còn phù hợp.
Các số liê ̣u về nhân tố tác đô ̣ng đến khả năng thanh khoản của ngân hàng được tác giả dùng phương pháp xác đi ̣nh, đo lường. Bên ca ̣nh đó, phương pháp nghiên cứ u đi ̣nh lượng trong viê ̣c xử lý số liê ̣u cũng được sử du ̣ng. Nghiên cứu này dùng kỹ thuâ ̣t hồi quy bảng để phân tích tác đô ̣ng của 6 yếu tố (tỷ lê ̣ vốn chủ sở hữu, tỷ lê ̣ nợ xấu, tỷ lê ̣ lợi nhuâ ̣n trên vốn chủ sở hữu, quy mô ngân hàng, tỷ lê ̣ cho vay trên tổng huy đô ̣ng, tỷ lê ̣ dự phòng tín du ̣ng) đến khả năng thanh khoản của các ngân hàng thương ma ̣i.
Mô hình hồi quy có 6 biến đô ̣c lâ ̣p và 1 biến phu ̣ thuô ̣c, được cha ̣y theo 2 hiệu ứng Random Effects và Fixed Effects với phương pháp bình phương bé nhất (Pooled OLS). Trong đó, các kiểm đi ̣nh được sử du ̣ng trong đề tài như: Kiểm định Hausman để kiểm đi ̣nh xem trong hai hiê ̣u ứng trên, hiê ̣u ứng nào phù hợp hơn?, kiểm đi ̣nh phương sai sai số thay đổi, kiểm đi ̣nh hiê ̣n tượng tự tương quan và đa cô ̣ng tuyến. Cuối cùng, tác giả dùng phương pháp so sánh, phân tích để đưa ra các kiến nghi ̣ về các nhân tố tác đô ̣ng đến khả năng thanh khoản.