Sau khi thực hiện kiểm định và phát hiện có tồn tại phƣơng sai thay đổi trong mô hình FE thì khóa luận đã khắc phục bằng phƣơng pháp GLS với hiệp phƣơng sai đƣợc ƣớc lƣợng theo White diagonal nhƣng mô hình vẫn cho thấy phƣơng sai thay đổi. Do đó khóa luận gợi ý các phƣơng pháp ƣớc lƣợng phƣơng sai vững theo nhóm (Cluster- Robust Covariances). Các quan sát lúc này sẽ đƣợc gộp lại thành các nhóm khác nhau trong đó các phần dƣ có tƣơng quan với các quan sát khác trong cùng một nhóm và không tƣơng quan với các quan sát ở các nhóm khác nhau. Cụ thể, khóa luận gợi ý hai ƣớc lƣợng phƣơng sai vững theo nhóm.
Một là White cross-section. Phƣơng pháp này giả định rằng các phần dƣ có tƣơng
gian T do đó tạo nên phƣơng sai thay đổi. Phƣơng pháp này coi hồi quy tổng hợp là một hồi quy đa biến và tính toán các sai số chuẩn vững cho hệ phƣơng trình. Công cụ ƣớc tính này phù hợp với mô hình có tƣơng quan đồng thời giữa các đơn vị chéo và tồn tại phƣơng sai thay đổi. Cụ thể ma trận phƣơng sai đồng thời giữa các đơn vị chéo đƣợc phép thay đổi theo thời gian và ma trận phƣơng sai có điều kiện đƣợc xác định tùy thuộc vào phƣơng pháp mô hình sử dụng.
Hai là White period. Phƣơng pháp này giả định phần dƣ của cùng một đơn vị chéo
với thời gian khác nhau có tƣơng quan với nhau và cũng tồn tại tự tƣơng quan bằng cách gộp các đơn vị chéo N lại thành các nhóm. Phƣơng pháp này phù hợp với sự tồn tại của phƣơng sai thay đổi và mối quan hệ tƣơng quan giữa các đơn vị chéo (within cross-section serial correlation). Cụ thể ma trận phƣơng sai không điều kiện đƣợc cho phép thay đổi theo từng đơn vị chéo và ma trận phƣơng sai có điều kiện đƣợc xác định dựa trên cùng một khung phƣơng pháp với mô hình sử dụng